Γραμμικός Προγραμματισμός

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Γραμμικός Προγραμματισμός"

Transcript

1 5 Γραμμικός Προγραμματισμός 5. Εισαγωγή Εισαγωγικό παράδειγμα Παρουσίαση προβλήματος Μορφοποίηση προβλήματος Χώρος πολιτικής Βέλτιστη λύση Θεωρητική ανάπτυξη Μαθηματικό μοντέλο Προϋποθέσεις Ορισμοί Αλγόριθμος smple Γενική παρουσίαση αλγορίθμου Θεμελιώδεις αρχές Αναλυτική περιγραφή smple Αλγεβρική διατύπωση smple Αλγεβρική επίλυση εισαγωγικού παραδείγματος Πινακοποιημένη smple Παράδειγμα με πινακοποιημένη smple Ιδιότητες πινάκων smple Παρατηρήσεις Παραλλαγές smple Γενικά Εισαγωγή περιορισμών Πρόβλημα ελαχιστοποίησης Μεταβλητές χωρίς περιορισμό μη-αρνητικότητας Παραδείγματα Διαχείριση γεωργικής παραγωγής Προγραμματισμός μονάδας βιολογικού καθαρισμού Παραγωγή ενέργειας & προστασία περιβάλλοντος Εφαρμογές Σχεδιασμός υδραυλικών δικτύων // Μποναζουντας (ΕΜΠ) Σελιδα απο

2 5.7. Υδραυλικά προβλήματα μεταφοράς Έλεγχος ατμοσφαιρικής ρύπανσης Διαχείριση ποιότητας νερών Μοντέλα γεωργικής ανάπτυξης Ασκήσεις Προστασία οικοσυστήματος Υδροδότηση κωμοπόλεων Άρδευση από υπόγειο και επιφανειακό υδροφορέα Βελτιστοποίηση διάθεσης αστικών αποβλήτων Βελτιστοποίηση διάθεσης βιομηχανικών αποβλήτων Επαναχρησιμοποίηση επεξεργασμένων λυμάτων Αναπτυξιακό σχέδιο παραποτάμιας περιοχής Καθαρισμός ομβρίων υδάτων Προστασία λιμναίου οικοσυστήματος Περιβαλλοντική διαχείριση υδατορρεύματος Βιβλιογραφία... Copyrght Μάρκος Μποναζούντας Δέσποινα Καλλιδρομίτου Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων Ηρώων Πολυτεχνείου Πολυτεχνειούπολη Τηλ: Φαξ: bonzoun@centrl.ntu.gr Verson Dte Νοεμβρίου Verson 9:5 πμ/μμ Fle nme 5 lner.doc // Μποναζουντας (ΕΜΠ) Σελιδα απο

3 5. Εισαγωγή Το μαθηματικό μοντέλο του Γραμμικού Προγραμματισμού (ΓΠ, Lner Progrmmng, LP) επιλύει το πρόβλημα βέλτιστης κατανομής πόρων κάτω από περιορισμούς (constrnts). Στο ΓΠ οι συναρτήσεις και οι παράμετροι είναι γραμμικοί όροι. Τα περισσότερα προβλήματα υδατικών πόρων και περιβάλλοντος δεν είναι γραμμικά, γι αυτό γραμμικοποιούνται προσεγγιστικά ώστε να είναι δυνατή η επίλυση τους με ΓΠ. Για την επίλυση προβλημάτων έχουν αναπτυχθεί αλγόριθμοι και προγράμματα υπολογιστών (πχ. ΜPSX, IBM). 5. Εισαγωγικό παράδειγμα 5.. Παρουσίαση προβλήματος Αγροτική έκταση καλλιεργείται με δύο καλλιέργειες: καλαμπόκι (Ι) και φασόλι (ΙΙ). Σε κάθε μια από τις καλλιέργειες εφαρμόζονται δύο λιπάσματα: φωσφορική αμμωνία Α:--/[Ν]-[P]-[Κ]) και μικτό Β:-5-5/[Ν]-[Ρ]- [Κ]). Η γεωργική έκταση βρίσκεται πλησίον λίμνης που αποτελεί βιότοπο της περιοχής, γι αυτό η τοπική διοίκηση θέσπισε κριτήρια περιβαλλοντικής προστασίας με ανώτατες εφαρμοζόμενες ποσότητες λιπασμάτων ανα περίοδο καλλιέργειας: kg από το λίπασμα Α και kg από το Β. X (I): καλαμπόκι kg:5kga,kgb kg 6euro Α[//] kg B[/5/5] kg X (ΙΙ):φασόλι kg:kga,kgb kg 8euro mz6 +8 s.t Για την παραγωγή kg προϊόντος από την καλλιέργεια (Ι) απαιτούνται 5kg από το λίπασμα Α και kg από το Β. Αντίστοιχα, για την παραγωγή kg προϊόντος από την καλλιέργεια (ΙΙ) απαιτούνται kg από το Α και kg από το Β. Η πώληση του προϊόντος από την καλλιέργεια (Ι) αποφέρει κέρδος 6 Euro/kg ενώ η πώληση από την (ΙΙ) αποφέρει 8 Euro/kg. Να προγραμματιστεί παραγωγή καλλιεργειών που να μεγιστοποιεί το κέρδος παραγωγής κάτω από τους περιβαλλοντικούς περιορισμούς. 5.. Μορφοποίηση προβλήματος Το πρόβλημα είναι δύο μεταβλητών απόφασης (decson vrbles) και. Η πρώτη μεταβλητή εκφράζει την παραγόμενη ποσότητα από την // Μποναζουντας (ΕΜΠ) Σελιδα απο

4 καλλιέργεια (Ι) και η δεύτερη την παραγόμενη ποσότητα από την καλλιέργεια (ΙΙ). Η αντικειμενική συνάρτηση του προβλήματος (obectve functon) περιγράφει τον στόχο παραγωγής που αντιστοιχεί στη μεγιστοποίηση του κέρδους απο την παραγωγη, ή όπου Z συνάρτηση κέρδους, μεταβλητές απόφασης m Z (5-) Οι παραπάνω συναρτήσεις ικανοποιούνται κάτω από ένα σύνολο περιορισμών (subect to, s.t.) που αφορά στην παραγωγή και στην χρήση λιπασμάτων, ή (5-), Ο τελευταίος περιορισμός θετικότητας δεν υπαγορεύεται από τις συνθήκες του προβλήματος αλλά προκύπτει από την φυσική ερμηνεία των μεταβλητών, και είναι απαραίτητος σε κάθε πρόβλημα ΓΠ. 5.. Χώρος πολιτικής Το παράδειγμα περιέχει δύο μόνο μεταβλητές απόφασης, γεγονός που καθιστά δυνατή την αναζήτηση της βέλτιστης λύσης γραφικά. Η λύση αναζητείται στο χώρο πολιτικής (polcy domn) (Σχήμα 5-). Ο χώρος πολιτικής διαμορφώνεται από τους περιορισμούς και περικλείει τις επιτρεπόμενες βέλτιστες τιμές. Οι περιορισμοί, προσδιορίζουν το θετικό μέρος του γραφήματος ανατολικά και βόρεια των αξόνων. Οι περιορισμοί 5 + και + απεικονίζονται σαν ισότητες για την αναζήτηση του χώρου πολιτικής, ή 5 + και + (5-) Με βάση τα παραπάνω καθορίζονται οι οριακές ευθείες έξω από τις οποίες το πρόβλημα δεν έχει λύση. Όταν απεικονιστούν όλοι οι περιορισμοί στο // Μποναζουντας (ΕΜΠ) Σελιδα απο

5 γράφημα, τότε δημιουργείται ο χώρος πολιτικής, στις κορυφές του οποίου αναζητείται η βέλτιστη λύση. Αν δεν είναι δυνατή παραγωγή πάνω από kg εβδομαδιαίως από τις καλλιέργειες (Ι) και (ΙΙ) τότε το πρόβλημα έχει πρόσθετο περιορισμό + (5-) Στην περίπτωση αυτή ο χώρος πολιτικής που ορίζεται από τους δύο πρώτους περιορισμούς δεν μεταβάλλεται με την εισαγωγή του τρίτου (διακεκομμένη ευθεία στο Σχήμα 5-) καθότι περικλείεται στον ίδιο χώρο. Συνεπώς θεωρείται περιττός και παραλείπεται. 8 8 Μη οριζόμενος χώρος πολιτικής X 6 5X+X< X+X< X 6 A X+X> Χώρος πολιτικής X+X< 6 8 X () 5X+X< X+X< 6 8 X (b) X 8 6 5X+X> Μη πεπερασμένος χώρος πολιτικής X 8 6 5X+X< X+X> 6 8 X (c) A X+X< Z Z Z5 6 8 X (d) Σχήμα 5- Γραφική επίλυση προβλήματος Για ένα μικρό αριθμό μεταβλητών και περιορισμών όπως στο παράδειγμα, η παράλειψη περιορισμού είναι εφικτή όταν αναγνωρίζεται η βαρύτητά του // Μποναζουντας (ΕΜΠ) Σελιδα 5 απο

6 στη λύση. Δεν συμβαίνει όμως το ίδιο σε προβλήματα όμως πολλών μεταβλητών ή περιορισμών διότι δυνατόν να υπάρχει επίπτωση στην λύση. Αν ίσχυε ο περιορισμός ότι η παραγωγή υποχρεούται να αποδώσει τουλάχιστον kg ποσότητας προϊόντος από τις καλλιέργειες, τότε + (5-5) Στην περίπτωση αυτή το πρόβλημα δεν έχει λύση επειδή δεν ορίζεται χώρος πολιτικής που να ικανοποιεί όλους τους περιορισμούς (Σχήμα 5-b). Εάν δεν ισχύει το κριτήριο μη-αρνητικότητας, δηλαδή εάν δεν υπάρχει κοινός χώρος πολιτικής στο πρώτο τεταρτημόριο, τότε το πρόβλημα δεν έχει δυνατή λύση. Τέλος, στην περίπτωση που οι αρχικοί περιορισμοί είναι 5 + +, (5-6) τοτε ο χώρος πολιτικής ορίζεται στο άπειρο και το πρόβλημα δεν έχει πεπερασμένη λύση (Σχήμα 5-c). 5.. Βέλτιστη λύση Στόχος είναι η εύρεση σημείου του χώρου πολιτικής όπου μεγιστοποιείται η συνάρτηση. Η ανάλυση ολοκληρώνεται με δόκιμες. Η αντικειμενική συνάρτηση Z είναι ευθεία εφόσον δοθεί συγκεκριμένη τιμή στη Ζ, όπως πχ., για Z είναι (Σχήμα 5-). Για τιμές Z, Z,..., Z n λαμβάνονται παράλληλες ευθείες. Αν μετακινηθεί η Ζ δεξιά στο χώρο πολιτικής, η τιμή της αντικειμενικής συνάρτησης αυξάνεται και Z > > (5-7) Z Z Η βέλτιστη λύση συμπίπτει με την μέγιστη τιμή που λαμβάνει η αντικειμενική συνάρτηση στο χώρο πολιτικής, δηλαδή την τιμή που λαμβάνει η Ζ όταν διέρχεται από το σημείο Α, την κορυφή του χώρου. Το σημείο Α έχει συντεταγμένες οριζόμενες από την τομή δύο ευθειών περιορισμών // Μποναζουντας (ΕΜΠ) Σελιδα 6 απο

7 (, ) (,5,,75) Στην τομή η αντικειμενική συνάρτηση λαμβάνει τιμή Z 5 που είναι η βέλτιστη λύση m Z Z * 5 Αν η ευθεία κάποιου περιορισμού είναι παράλληλη προς την αντικειμενική συνάρτηση, το πρόβλημα έχει άπειρες ίσες βέλτιστες λύσεις εφόσον όλα τα σημεία της ευθείας περιορισμού-αντικειμενικής συνάρτησης αποτελούν βέλτιστη λύση (Σχήμα 5-d). Τέλος, το πρόβλημα ελαχιστοποίησης (mnmzton) αντιμετωπίζεται όπως το πρόβλημα μεγιστοποίησης. Αν δηλαδή αναζητηθεί η ελάχιστη τιμή της mn Z τότε οι παράλληλες ευθείες της Ζ θα μετακινηθούν προς τα αριστερά, έως ότου συναντηθούν με την κορυφή του χώρου πολιτικής που δίνει την ελάχιστη τιμή για την αντικειμενική συνάρτηση. 5. Θεωρητική ανάπτυξη 5.. Μαθηματικό μοντέλο Η ανάλυση ΓΠ έχει στόχο τον προσδιορισμό των τιμών των μεταβλητών απόφασης (decson vrbles,,,..., n ) που μεγιστοποιούν ή ελαχιστοποιούν την αντικειμενική συνάρτηση (ΑΣ) m/ mn Z c (5-8) c... c n n Ταυτόχρονα οι μεταβλητές απόφασης πρέπει να ικανοποιούν τους περιορισμούς (constrnts) n n (,, ) b n n (,, ) b + m m,,..., n mn n (,, ) b m (5-9) // Μποναζουντας (ΕΜΠ) Σελιδα 7 απο

8 όπου (,..., n) μεταβλητές απόφασης, c (,..., n), (,..., m,,..., n) και b (,..., m) σταθερές ή παράμετροι προβλήματος. Το πρόβλημα έχει n μεταβλητές απόφασης και m περιορισμούς. Για όλες τις μεταβλητές ισχύει ο περιορισμός μη-αρνητικότητας για κάθε,..., n (5-) Σε ορισμένες περιπτώσεις είναι δυνατόν οι μεταβλητές απόφασης να λάβουν αρνητικές τιμές ( 5.5.), δηλαδή να μη ισχύει. Στην περίπτωση αυτή κάθε μεταβλητή αντικαθίσταται με την διάφορα δύο νέων μεταβλητών που λαμβάνουν μόνο μη-αρνητικές τιμές όπου και (5-) Σε κάθε μια από τις παραπάνω σχέσεις ισχύει μόνο ένα από τα σύμβολα ισότητας ή ανισότητας. Εάν όλοι οι περιορισμοί τεθούν υπό την μορφή ισότητας τότε προκύπτει η τυποποιημένη ή κανονική μορφή (stndrd form). Συνοπτικά το μοντέλο ΓΠ γράφεται s.t. m/ mn Z c c... c n n n n (,, ) b για,,..., m για κάθε,,..., n (5-) Σε διανυσματική μορφή το γενικό πρόβλημα ΓΠ διατυπώνεται ως εξής (Hmes, 977): Να προσδιοριστεί το διάνυσμα X T (,,..., n ) που βελτιστοποιεί το σύστημα: όπου m/ mn s.t. T { f () (C, ) } και A b T C διάνυσμα σειράς (row vector) διαστάσεων n X διάνυσμα στήλης (column vector) διαστάσεων n A μητρώο συντελεστών διαστάσεων m n b διάνυσμα σταθερών στήλης διαστάσεων m (5-) // Μποναζουντας (ΕΜΠ) Σελιδα 8 απο

9 [ c,c,...,c ] T C n,, A m, X.,. n m,, n mn b b b. b m (5-) Για να υπάρχει μία και μοναδική λύση του συστήματος A b, πρέπει ο αριθμός των αγνώστων να είναι ίσος με το αριθμό των ανεξαρτήτων εξισώσεων. Λύση είναι η A b. Στο ΓΠ το μητρώο A κατά κανόνα δεν είναι τετραγωνικό και έτσι δεν υπάρχει μονοσήμαντη λύση. Ο αριθμός μεταβλητών απόφασης n είναι συνήθως μεγαλύτερος από τον αριθμό περιορισμών, ή m n. Έτσι το πρόβλημα συνίσταται στην επίλυση της μητρωϊκής εξίσωσης A b, όπου το A είναι μητρώο διαστάσεων m n και το διάνυσμα X περιέχει n στοιχεία. 5.. Προϋποθέσεις Στο μαθηματικό μοντέλο ΓΠ πρέπει να ικανοποιούνται οι προϋποθέσεις αναλογικότητας, προσθετικότητας, διαιρετότητας, και προσδιοριστικότητας (Hller & Lebermn 97, Ξηρόκωστας 98). () Αναλογικότητα (proportonlty) Η αντικειμενική συνάρτηση και οι περιορισμοί του προβλήματος πρέπει να είναι γραμμικές συναρτήσεις. Αυτό συνεπάγεται ότι η τιμή της αντικειμενικής συνάρτησης και η χρησιμοποίηση των διαθέσιμων μέσων είναι ποσά ανάλογα προς τις ποσότητες κάθε δραστηριότητας. Για την επεξήγηση της αναλογικότητας θεωρείται μια οποιαδήποτε από τις n δραστηριότητες, έστω η k, έτσι ώστε για,,..., n εκτός από την k. Εάν το μέγεθος της αποδοτικότητας Z είναι ίσο με c k k και η // Μποναζουντας (ΕΜΠ) Σελιδα 9 απο

10 χρήση κάθε πόρου ίση με k k, τότε τα μεγέθη αποτελούν ποσότητες απευθείας ανάλογες με το επίπεδο της δραστηριότητας k (k,,..., n). Συνεπώς το κέρδος από κάθε δραστηριότητα,,..., n είναι ανάλογο της δραστηριότητας, δηλαδή ανάλογο του c, και η επιρροή στους περιορισμούς επίσης ανάλογη του. Το γεγονός προϋποθέτει ότι όλες οι συναρτήσεις πρέπει να λαμβάνουν συνεχείς τιμές στο χώρο πολιτικής. Αν οι μεταβλητές λαμβάνουν μόνο ακέραιες ή διακριτές τιμές, ή αν η συνάρτηση κόστους κάποιας μεταβλητής δεν είναι συνεχής, τότε η επίλυση δεν μπορεί να γίνει με ΓΠ. Στην περίπτωση αυτή απαιτείται χρήση ακέραιου, χωριζόμενου ή άλλου τύπου προγραμματισμού. () Προσθετικότητα (ddtvty) Η αναλογικότητα δεν εξασφαλίζει τη γραμμικότητα της αντικειμενικής συνάρτησης. Στην περίπτωση που υπάρχουν αλληλεπιδράσεις μεταξύ δραστηριοτήτων που τροποποιούν το κέρδος από κάθε δραστηριότητα ή την ολική χρήση των πόρων, οι συναρτήσεις παύουν να είναι γραμμικές. Η προσθετικότητα ορίζει ότι το κέρδος από τις δραστηριότητες (,,..., n ) είναι ίσο με το άθροισμα των επί μέρους κερδών F(,,..., ) F( ) + F( ) +... F( ) (5-5) n + Αντίστοιχο κριτήριο ισχύει και για τους περιορισμούς. Η προσθετικότητα δεν ισχύει όταν η εκτέλεση μιας δραστηριότητας εμφανίζεται σαν προϋπόθεση για την πραγματοποίηση μιας άλλης. Σαν παράδειγμα αναφέρεται η παραγωγή υποπροϊόντος με πρώτη ύλη που έχει χρησιμοποιηθεί για την παραγωγή κυρίου προϊόντος. Στην περίπτωση αυτή η συνολική απαίτηση σε πρώτες ύλες για την παραγωγή του υποπροϊόντος και του προϊόντος είναι μικρότερη από ότι αν η παραγωγή γίνει χωριστά. () Διαιρετότητα (dvsblty) Ορισμένες φορές οι μεταβλητές απόφασης έχουν φυσική σημασία μόνο όταν εκφράζονται με ακέραιες τιμές. Εντούτοις σε πολλά προβλήματα η λύση που επιτυγχάνεται δεν είναι ακέραια. Η διαιρετότητα εκφράζει την ικανότητα κατανομής των δραστηριοτήτων σε ποσοστιαία επίπεδα έτσι ώστε να επιτυγχάνονται μη ακέραιες τιμές των μεταβλητών απόφασης. Σε αντίθετη περίπτωση πρέπει να γίνει χρήση μοντέλου ακέραιου n // Μποναζουντας (ΕΜΠ) Σελιδα απο

11 προγραμματισμού (Κεφάλαιο 7) ή άλλου προγραμματισμού και όχι κατά προσέγγιση στρογγύλευση αποτελεσμάτων που προκύπτουν από τον ΓΠ. () Προσδιοριστικότητα (determnstc property) Η προσδιοριστικότητα συνεπάγεται πως οι παράμετροι του μοντέλου είναι γνωστές και σταθερές ποσότητες, γεγονός που δύσκολα συμβαίνει στην πραγματικότητα. Το μοντέλο ΓΠ προσομοιώνει καταστάσεις που συνεπάγονται λήψη αποφάσεων με βαθμό αβεβαιότητας (uncertnty). Το γεγονός υποδηλώνει ότι οι παράμετροι του μοντέλου δεν έχουν σταθερή τιμή. Η διερεύνηση της αξιοπιστίας του μοντέλου συναρτήσει των παραμέτρων αναλύεται με μεθόδους που αναφέρονται στο Κεφάλαιο 9 (Ανάλυση ευαισθησίας). Σε πολλές περιπτώσεις ο βαθμός αβεβαιότητας είναι μεγάλος ώστε καθίσταται αναγκαίο να θεωρηθεί ότι οι μεταβλητές ακολουθούν κατανομή πιθανότητας (Κεφάλαιο, Στοχαστικός προγραμματισμός). 5.. Ορισμοί Οι αλγόριθμοι επίλυσης γραμμικών μοντέλων (πχ. smple) εκμεταλλεύονται ιδιότητες του χώρου πολιτικής που απλοποιούν την υπολογιστική διαδικασία. Η βασική ορολογία που χρησιμοποιείται στην ανάλυση είναι: Ευθύγραμμο τμήμα (segment): Αν οι συντεταγμένες δύο σημείων P () () και P δίδονται από τα διανύσματα X και X, τότε το ευθύγραμμο τμήμα που τα συνδέει αποτελείται από το σύνολο των σημείων P ( µ ) των οποίων οι συντεταγμένες δίδονται από τον γραμμικό συνδυασμό X ( µ ) ( µ ) X + µ X () () όπου,,..., n και µ [,] (5-6) Κυρτός χώρος (conve domn): Τα σημεία P,P,..., Pn συνόλου σχηματίζουν κυρτό χώρο όταν για κάθε ζεύγος P και P αυτού, το τμήμα που τα συνδέει ανήκει επίσης στο σύνολο. Τμήματα εκτός κυρτού χώρου δεν περικλείουν κυρτά set (σύνολα) διότι είναι δυνατή η επιλογή τουλάχιστον ενός ζεύγους σημείων τέτοιων // Μποναζουντας (ΕΜΠ) Σελιδα απο

12 P Κυρτοί χώροι P ώστε όχι κάθε σημείο του τμήματος που τα ενώνει να ανήκει στο set. Παραδείγματα κυρτών και μη κυρτών χώρων φαίνονται στο Σχήμα 5-. P P Μη-κυρτοί χώροι Σχήμα 5- Τύποι χώρων πολιτικής Κορυφή (verte ή etreme pont) καλείται το σημείο κυρτού set το οποίο δεν κείται στο τμήμα που ενώνει δύο άλλα σημεία του συνόλου, όπως πχ. η περιφέρεια κύκλου ή οι κορυφές πολυγώνου. Οι παρακάτω ορισμοί αναφέρονται στις λύσεις του ΓΠ: Λύση (soluton) θεωρείται κάθε διάνυσμα X που ικανοποιεί τους περιορισμούς (όχι αναγκαστικά και περιορισμούς μη-αρνητικότητας). Δυνατή λύση (fesble soluton) θεωρείται κάθε διάνυσμα X που ικανοποιεί όλους τους περιορισμούς, δηλαδή και τους περιορισμούς μηαρνητικότητας. Συνεπώς κάθε σημείο του χώρου πολιτικής αποτελεί δυνατή λύση του προβλήματος. Βέλτιστη δυνατή λύση (optml fesble soluton) ή βέλτιστη λύση καλείται εκείνη που μεγιστοποιεί ή ελαχιστοποιεί την ΑΣ. Δυνατή λύση ακραίου σημείου (corner-pont fesble soluton) είναι κάθε δυνατή λύση που δεν κείται σε ευθύγραμμο τμήμα που ενώνει δύο άλλες δυνατές λύσεις, δηλαδή κάθε λύση που βρίσκεται σε κορυφή ή γωνία του χώρου πολιτικής. Η βέλτιστη λύση του προβλήματος βρίσκεται σε ακραίο σημείο του χώρου πολιτικής ( 5..). Γειτονικές ακραίες δυνατές λύσεις (dcent corner-pont fesble solutons) καλούνται δύο ακραίες δυνατές λύσεις εφόσον η ευθεία που τις ενώνει αποτελεί εξίσωση ορίου για τον χώρο πολιτικής. Επαυξημένη λύση (ugmented soluton) καλείται η λύση ισοδύναμου προβλήματος ανισότητας (,,..., ) το οποίο έχει επαυξηθεί με n // Μποναζουντας (ΕΜΠ) Σελιδα απο

13 μεταβλητές απόκλισης ( n +, n+,... ) ώστε να προκύπτει πρόβλημα ισότητας (,,..., + ). n m Βασική λύση (bsc soluton) ονομάζεται κάθε ακραία επαυξημένη λύση. Κάθε βασική λύση μπορεί να είναι δυνατή ή μη. Βασική δυνατή λύση (bsc fesble soluton) είναι η βασική λύση της οποίας οι m βασικές μεταβλητές είναι μη αρνητικές ( ). Μια βασική δυνατή λύση θεωρείται εκφυλισμένη (degenerted) αν κάποιες από τις m βασικές μεταβλητές έχουν μηδενική τιμή. Εξισώσεις ορίων (boundry equtons): Για κάθε περιορισμό, η εξίσωση ορίων αποκτάται εφόσον αντικατασταθεί το " " ή το " " με "". Οι εξισώσεις ορίων ορίζουν το χώρο πολιτικής. Γενικά η απεικόνιση μιας εξίσωσης ορίων έχει την μορφή n n b για τους ενεργούς περιορισμούς και για τους περιορισμούς μη-αρνητικότητας. Οι εξισώσεις ορίων καθορίζουν ένα υπερεπίπεδο (flt) ή γεωμετρικό σχήμα n-διαστάσεων, ανάλογο μιας ευθείας και ενός επιπέδου τριών διαστάσεων. Από τα παραπάνω συμπεραίνεται ότι το όριο μιας δυνατής περιοχής αποτελείται από τις δυνατές εκείνες λύσεις που ικανοποιούν μια ή περισσότερες εξισώσεις ορίων, ενώ η βέλτιστη λύση βρίσκεται μεταξύ αυτών των εξισώσεων. Ένα μοντέλο ΓΠ με n αρχικές μεταβλητές και m περιορισμούς έχει τουλάχιστον μία δυνατή λύση όταν m n (γραμμικό σύστημα m ανεξαρτήτων εξισώσεων με n αγνώστους) μοναδική λύση χωρίς βελτιστοποίηση αν m n άπειρες λύσεις όταν m n. Με την προσθήκη μεταβλητών απόκλισης, όπως περιγράφεται παρακάτω στον αλγόριθμο smple, προκύπτουν n + m μεταβλητές. Για κάθε ακραίο σημείο του χώρου πολιτικής m μεταβλητές έχουν τιμή διάφορη του μηδενός και καλούνται βασικές μεταβλητές (bsc vrbles), ενώ n έχουν μηδενική τιμή και καλούνται μη βασικές μεταβλητές (non bsc vrbles). Οι βασικές μεταβλητές αποτελούν το διάνυσμα βάσης. Πόρισμα: Ο αριθμός των εξ ορισμού μη μηδενικών μεταβλητών απόφασης ισούται με τον αριθμό των περιοριστικών εξισώσεων. // Μποναζουντας (ΕΜΠ) Σελιδα απο

14 5. Αλγόριθμος smple 5.. Γενική παρουσίαση αλγορίθμου Ο αλγόριθμος ή μέθοδος smple αναπτύχθηκε από τον Dntzg (Dntzg 95) και αποτελεί καθιερωμένη μέθοδο επίλυσης μοντέλων ΓΠ. Πρόκειται για επαναληπτικό σχήμα μέσω του οποίου βελτιώνεται σε κάθε βήμα η τιμή της αντικειμενικής συνάρτησης ώσπου να αποκτηθεί η βέλτιστη λύση. Η αναζήτηση της βέλτιστης λύσης στο χώρο πολιτικής πραγματοποιείται μέσω της συντομότερης διαδρομής. Η smple προγραμματίζεται εύκολα και ενδείκνυται για πολύπλοκα μοντέλα. Υπάρχει πληθώρα υπολογιστικών πακέτων ΓΠ με βάση την smple ή παραλλαγές της (πχ., MPSX). Για μικρά προβλήματα είναι δυνατή η επίλυση ακόμα και με το χέρι με χρήση μητρώων ( 5..6). 5.. Θεμελιώδεις αρχές Η smple βασίζεται σε θεμελιώδη θεωρήματα του ΓΠ τα σπουδαιότερα των οποίων παρατίθενται χωρίς απόδειξη. Θεώρημα : Ο αριθμός των βασικών δυνατών λύσεων συστήματος το οποίο πληρεί τις προϋποθέσεις του ΓΠ ( 5..) είναι πεπερασμένος. Το άνω όριο των βασικών λύσεων ενός συστήματος n μεταβλητών απόφασης και m περιορισμών ισούται με n! m!(n m)! (5-7) Άρα, εφόσον ο αριθμός των βασικών λύσεων είναι πεπερασμένος, κατά μείζονα λόγο είναι πεπερασμένος και ο αριθμός των βασικών δυνατών λύσεων. Θεώρημα : Το σύνολο των δυνατών λύσεων ορίζει ένα κυρτό κλειστό σύνολο, το χώρο πολιτικής. Θεώρημα : Κάθε βασική δυνατή λύση αντιστοιχεί σε ακραίο σημείο του κυρτού συνόλου (κορυφή του χώρου πολιτικής) και αντίστροφα, κάθε ακραίο σημείο αποτελεί βασική λύση του γραμμικού μοντέλου. // Μποναζουντας (ΕΜΠ) Σελιδα απο

15 Πόρισμα: Όταν δεν εμφανίζονται εκφυλισμένες βασικές λύσεις, υπάρχει αμφιμονοσήμαντη αντιστοιχία μεταξύ βασικών δυνατών λύσεων και κορυφών του χώρου πολιτικής. Θεώρημα : Εάν υπάρχει μια δυνατή λύση του προβλήματος ΓΠ, τότε υπάρχει και μια βασική λύση αυτού. Θεώρημα 5: (α) Αν υπάρχει μία και μόνο βέλτιστη λύση, αυτή θα κείται σε ακραίο σημείο του χώρου πολιτικής, δηλαδή θα ταυτίζεται με μια βασική δυνατή λύση. (β) Αν υπάρχουν περισσότερες από μία βέλτιστες λύσεις, τότε δύο τουλάχιστον από αυτές βρίσκονται σε γειτονικά ακραία σημεία. Πόρισμα: Εάν υπάρχει τουλάχιστον μία βέλτιστη δυνατή λύση που δεν είναι βασική, τότε υπάρχουν άπειρες βέλτιστες δυνατές λύσεις. Η περίπτωση αυτή εμφανίζεται όταν η αντικειμενική συνάρτηση είναι παράλληλη προς κάποιον περιορισμό. Τότε προκύπτουν άπειρες βέλτιστες λύσεις, εφόσον οποιαδήποτε λύση που κείται στο όριο αυτό δίνει την ίδια τιμή στη συνάρτηση. Θεώρημα 6: Αν κάποια ακραία δυνατή λύση είναι καλύτερη από όλες τις γειτονικές ακραίες λύσεις, τότε αυτή αποτελεί βέλτιστη λύση του προβλήματος. Το θεώρημα υποδηλώνει ότι η βέλτιστη λύση στον ΓΠ μπορεί να εντοπιστεί με απλή απαρίθμηση και σύγκριση όλων των ακραίων (βασικών) λύσεων. Ο αριθμός όμως των ακραίων λύσεων σε προβλήματα πολλών μεταβλητών και περιορισμών είναι μεγάλος (π.χ. σε ένα πρόβλημα με 5 μεταβλητές και 5 περιορισμούς προκύπτουν 9 ανεξάρτητα συστήματα προς επίλυση). Με smple επιτυγχάνεται σημαντικός περιορισμός του αριθμού των δυνατών λύσεων που εξετάζονται πριν από την κατάληξη στην βέλτιστη λύση. Συνεπώς για το ίδιο πρόβλημα, δεν απαιτούνται παρά μόνο περίπου επαναλήψεις μέχρι την εύρεση της βέλτιστης λύσης. 5.. Αναλυτική περιγραφή smple Η αντικειμενική συνάρτηση λαμβάνει βέλτιστη τιμή όταν διέρχεται από κορυφή του χώρου πολιτικής. Η συστηματική αναζήτηση των τιμών της αντικειμενικής συνάρτησης σε κάθε κορυφή του χώρου είναι επίπονη, ιδιαίτερα σε περιπτώσεις πολλών περιορισμών και μεταβλητών. Η smple προσφέρει τυποποιημένη επαναληπτική διαδικασία συστηματικής αναζήτησης του μεγίστου ή του ελαχίστου της αντικειμενικής συνάρτησης από κορυφή σε κορυφή του χώρου πολιτικής, με τον περιορισμό ότι ο χώρος πολιτικής είναι κυρτός. Για τον εντοπισμό της βέλτιστης λύσης απαιτούνται: // Μποναζουντας (ΕΜΠ) Σελιδα 5 απο

16 Ένα μέσο εντοπισμού του αρχικού οριακού σημείου από όπου ξεκινά η προσέγγιση στον κυρτό χώρο. Ένα μέσο μεταφοράς από το ένα οριακό σημείο στο άλλο με το οποίο επιτυγχάνεται προοδευτική βελτίωση της τρέχουσας λύσης. Ένα μέσο αναγνώρισης της βέλτιστης λύσης όταν αυτή εντοπιστεί χωρίς να υπάρχει ανάγκη εξέτασης όλων των (υπολοίπων) οριακών σημείων. Σε ελάχιστες περιπτώσεις και σε μικρά προβλήματα είναι αναγκαία η εξέταση όλων των ακραίων λύσεων. Για την επίλυση προβλημάτων ΓΠ με smple πρέπει η αντικειμενική συνάρτηση και οι περιορισμοί να τεθούν στην κανονική ή πρότυπη μορφή. Ανάλογα με την παραλλαγή της χρησιμοποιούμενης smple, η κανονική μορφή παρουσιάζει μικροδιαφορές. Η γενική διάταξη όμως παραμένει ίδια. Ισχύουν τρεις βασικές προϋποθέσεις:. Όλοι οι σταθεροί όροι b πρέπει να είναι θετικοί. Αν δεν ισχύει αυτό κάθε περιορισμός με αρνητικό b πολλαπλασιάζεται με -.. Για την κατάστρωση της κανονικής μορφής προϋπόθεση αποτελεί η μετατροπή των ανισοτήτων των περιορισμών ( ή ) σε περιορισμούς ισότητας () με την εισαγωγή νέων μεταβλητών (μεταβλητές απόκλισης, slck/surplus vrbles).. Η κανονική μορφή της αντικειμενικής συνάρτησης (ΑΣ) θεωρείται ότι περιέχει τον σταθερό όρο c. Για τα περισσότερα προβλήματα ΓΠ ισχύει c, εφόσον δεν υπάρχει λόγος εισαγωγής σταθερού όρου σε αλγόριθμο βελτιστοποίησης. Η κανονική μορφή της ΑΣ είναι Z c (5-8) c... cn n c Μετά την διατύπωση του συστήματος στην κανονική μορφή ακολουθεί η επίλυση smple. Η διαδικασία αποτελείται από τα βήματα: Aρχικό βήμα: Καθορισμός και αρχή της διαδικασίας από μια οποιαδήποτε ακραία δυνατή λύση. Η αρχική ακραία λύση ταυτίζεται συνήθως με την αρχή (,,..., n ) (,,...,) του συστήματος αναφοράς. Με την προσθήκη των μεταβλητών απόκλισης (slck), οι αρχικές μεταβλητές (,,..., n ) επιλέγονται ως μη βασικές (non bsc) και οι μεταβλητές απόκλισης ( n +, n+,..., n+ m) ως βασικές για την αρχική βασική δυνατή λύση. Για μια αρχική διαδικασία k η // Μποναζουντας (ΕΜΠ) Σελιδα 6 απο

17 * k υποψήφια λύση του είναι η. Εάν δεν επιτευχθεί βελτιστοποίηση, k * k δηλαδή εάν, τότε καθορίζεται μια νέα υποψήφια λύση +. Επαναληπτική διαδικασία: Σε κάθε επανάληψη η smple μεταφέρεται από την τρέχουσα βασική λύση (δυνατή λύση ακραίου σημείου) στην αμέσως πλησιέστερη βασική δυνατή λύση. Η διαδικασία περιλαμβάνει την αντικατάσταση μιας τρέχουσας βασικής μεταβλητής από μια μηβασική. Η μεταβλητή που φεύγει από τη βάση καλείται εξερχόμενη (levng bsc vrble) ενώ αυτή που την αντικαθιστά καλείται εισερχόμενη (enterng bsc vrble). Υποψήφιες εισερχόμενες μεταβλητές είναι όλες οι τρέχουσες n μη βασικές μεταβλητές. Αυτή που τελικά εκλέγεται αυξάνει την τιμή της από μηδέν (εξ ορισμού) σε κάποιο θετικό αριθμό, ενώ οι υπόλοιπες παραμένουν μηδενικές. Εφόσον με τη νέα βασική λύση πρέπει να βελτιωθεί η τιμή της αντικειμενικής συνάρτησης, εκλέγεται η μεταβλητή εκείνη η οποία έχει τη μεγαλύτερη μοναδιαία αξία (το μεγαλύτερο συντελεστή c στην εξίσωση της ΑΣ). Με τον τρόπο αυτό επιτυγχάνεται ταχεία βελτίωση της λύσης σε κάθε επανάληψη. Ας σημειωθεί ότι το παραπάνω κριτήριο εισόδου δεν εξασφαλίζει πάντοτε τη μέγιστη βελτίωση στην αντικειμενική συνάρτηση. Οι περιορισμοί, οι οποίοι για λόγους απλούστευσης της διαδικασίας αμελούνται στο στάδιο αυτό, μπορεί να μη επιτρέπουν στην επιλεγείσα μεταβλητή τιμές τέτοιες που να βελτιώνουν τη συνάρτηση τόσο όσο άλλες μεταβλητές μικρότερης μοναδιαίας αξίας. Η μεταβλητή που εξέρχεται από τη βάση είναι εκείνη η οποία τείνει γρηγορότερα προς το μηδέν καθώς αυξάνει η τιμή της εισερχόμενης μεταβλητής. Με τον τρόπο αυτό εξασφαλίζεται η μη-αρνητικότητα των συντελεστών b και ο αλγόριθμος δεν οδηγείται σε μη-δυνατές λύσεις (παράδειγμα 5..5). Η αλγεβρική διατύπωση του άνω ορίου της εισερχόμενης μεταβλητής e όταν η τρέχουσα βασική μεταβλητή εξαντλεί τον περιορισμό μη αρνητικότητας είναι e + αν e b / e αν e > (5-9) Με βάση τα παραπάνω εκλέγεται η μεταβλητή για την οποία // Μποναζουντας (ΕΜΠ) Σελιδα 7 απο

18 b mn (5-) e Μετά από την αντικατάσταση αυτή επιλύεται το νέο σύστημα με την μέθοδο Guss-Jordn και καθορίζονται η νέα βάση και η νέα τιμή της αντικειμενικής συνάρτησης η οποία είναι πάντοτε καλύτερη από αυτή του προηγούμενου βήματος. Κανόνας πέρατος: Ο αλγόριθμος διακόπτεται όταν αναγνωριστεί η βέλτιστη λύση. Αυτό λαμβάνει χώρα όταν όλοι οι συντελεστές των μη βασικών μεταβλητών της αντικειμενικής συνάρτησης είναι αρνητικοί οπότε η τιμή της δεν αυξάνεται περαιτέρω. 5.. Αλγεβρική διατύπωση smple Έστω το μοντέλο ΓΠ με n μεταβλητές απόφασης και m περιορισμούς από τους οποίους m έχουν αρχικά την μορφή " ", m έχουν την μορφή και m είναι ισότητες "". Στους " " περιορισμούς προστίθενται μεταβλητές απόκλισης (slck) n+ h, h,..., m για τις οποίες ισχύει ο περιορισμός μη-αρνητικότητας: + για κάθε h,..., m (5-) n h Ο αρχικός περιορισμός γίνεται b (5-) n n n h Ομοίως από κάθε περιορισμό " " αφαιρείται μια μη αρνητική μεταβλητή απόκλισης (surplus) n+ m+ q, q,..., m ώστε η ανισότητα να μετατραπεί στην ισότητα n n n+ m+ q b (5-) Παρατηρήσεις Μια slck μεταβλητή απόκλισης αποτελεί μια ανεξάρτητη θετική μεταβλητή ελέγχου που υπεισέρχεται σε ανισότητα με περιορισμό " ". Μια surplus μεταβλητή απόκλισης αποτελεί μια θετική ανεξάρτητη μεταβλητή ελέγχου που υπεισέρχεται σε ανισότητα με περιορισμό " ". Surplus και slck μεταβλητή απόκλισης δεν βρίσκονται ποτέ μαζί σε μια εξίσωση. // Μποναζουντας (ΕΜΠ) Σελιδα 8 απο

19 Οι μεταβλητές απόκλισης έχουν φυσική σημασία και εκφράζουν το πόσο απέχει κάθε λύση (και η βέλτιστη) από τον κάθε περιορισμό, δηλαδή κατά πόσον εξαντλείται κάθε οριακή εξίσωση (boundry equton). Οι περιορισμοί αυτοί παριστάνουν το μέρος του διαθέσιμου μέσου που παραμένει αχρησιμοποίητο (Hller & Lebermn 97, Ξηρόκωστας 98). Στους περιορισμούς που είναι αρχικά ισότητες δεν υπάρχει ανάγκη προσθήκης μεταβλητών απόκλισης. Μετά την προσθήκη των μεταβλητών απόκλισης το μητρώο των συντελεστών A έχει m μοναδιαίες στήλες + I και m μοναδιαίες στήλες I, οι οποίες προέρχονται αντίστοιχα από τους περιορισμούς και. Το μητρώο γράφεται: A m+, m+, m+ m, m+ m+, m+ m+, m+ m+ m,... m,... m, m+, m+,... m+ m, m+ m+, m+ m+,... m+ m+ m, n n... m,n m+,n m+,n m+ m,n... m+ m+,n m+ m+,n... m+ m+ m,n Το ίδιο διάνυσμα μεταβλητών γίνεται (,...,,,...,,,... ) (5-) T X n n+ n+ m n+ m+ n+ m+ m Κάθε μεταβλητή απόκλισης εμφανίζεται μόνο στην εξίσωση που χρησιμοποιείται για την μετατροπή της ανισότητας σε ισότητα. Στην αντικειμενική συνάρτηση θεωρείται ότι οι συντελεστές των μεταβλητών απόκλισης έχουν μηδενική τιμή, συνεπώς C T (c,c,...,c,,,...,) (5-5) n // Μποναζουντας (ΕΜΠ) Σελιδα 9 απο

20 Η εισαγωγή των συντελεστών απόκλισης δεν μεταβάλλει την τιμή της αντικειμενικής συνάρτησης εφόσον n n+ m+ m c c (5-6) Επειδή όλες οι εισαγόμενες μεταβλητές απόκλισης έχουν μηδενική μοναδιαία αξία, οι αντίστοιχες δραστηριότητες που περιγράφουν καλούνται ουδέτερες. Το πρόβλημα που διαμορφώθηκε μετά την εισαγωγή των μεταβλητών απόκλισης είναι ισοδύναμο με το αρχικό γιατί κάθε λύση που ικανοποιεί το πρόβλημα σε κανονική μορφή ικανοποιεί και το αρχικό πρόβλημα και αντίστροφα. Η smple περιγράφεται από μια αναρριχώμενη προσέγγιση (hll clmbng pproch) με μετακίνηση από το ένα οριακό σημείο στο άλλο. Κάθε νέα υποψήφια λύση επιλέγεται μέσω σύγκρισης των σχετικών τιμών της αντικειμενικής συνάρτησης. Τελικά επιλέγεται εκείνο το σημείο το οποίο μεγιστοποιεί την αντικειμενική συνάρτηση εξασφαλίζοντας ότι η νέα υποψήφια λύση αποτελεί δυνατή λύση που ικανοποιεί το σετ περιορισμών. Ισχύουν τα εξής: Αν η υποψήφια λύση ικανοποιεί το σετ περιορισμών A b και, αποτελεί βασική δυνατή λύση του συστήματος Z c. Κάθε υποψήφια λύση μπορεί να απεικονιστεί σαν διάνυσμα [ B, N ]. Το βασικό διάνυσμα υποψήφιας λύσης B γράφεται σαν συνάρτηση της μη βασικής μεταβλητής [ b A ] N B A B N N ή B AB b AB A N N (5-7) Η τιμή της Z εκφρασμένη σαν συνάρτηση των μη βασικών μεταβλητών N καθορίζεται με την αντικατάσταση της υποψήφιας λύσης στην αντικειμενική συνάρτηση Z c B [ A B b A B A N N ] + cn N αφού c [c,c ] (5-8) B N // Μποναζουντας (ΕΜΠ) Σελιδα απο

21 Η Ζ γράφεται Z c B A - B b + - [ cn cb AB A N ] N (5-9) Επειδή το N αποτελεί σετ μη βασικών μεταβλητών και όλα τα στοιχεία του είναι ίσα με το μηδέν, οι τιμές της υποψήφιας λύσης B για την επίλυση της Ζ καθορίζoνται εύκολα. Αν αντικατασταθεί το N στην εξίσωση (5-9) τότε B A B b και Z c AB b c B B B (5-) Από την παραπάνω ανάλυση φαίνεται ότι η υποψήφια λύση B και η επίλυση της αντικειμενικής συνάρτησης Ζ καθορίζονται από το βασικό μητρώο A B. Επίσης προκύπτει ότι στην smple η βασική δυνατή k υποψήφια λύση B υπάρχει εφόσον όλες οι βασικές δυνατές υποψήφιες λύσεις είναι μη αρνητικά διανύσματα. Κάθε στήλη του μητρώου A N μπορεί να εκφραστεί ως γραμμικός συνδυασμός των στηλών του βασικού μητρώου A B. Με άλλα λόγια, κάθε μη βασικό διάνυσμα ή στήλη του A N ως προς μια βάση μπορεί να εκφραστεί ως γραμμικός συνδυασμός των διανυσμάτων βάσης m N y B ym Bm y B A B y (5-) 5..5 Αλγεβρική επίλυση εισαγωγικού παραδείγματος Το πρόβλημα της εισαγωγής έχει την μορφή m Z s.t , (5-) Εισάγονται οι μεταβλητές απόκλισης (slck vrbles) 5 (5-) // Μποναζουντας (ΕΜΠ) Σελιδα απο

22 Μετά την πρόσθεση των μεταβλητών απόκλισης το μοντέλο καταστρώνεται στην κανονική του μορφή m Z ,,, s.t. + + (5-) Οι περιορισμοί μη αρνητικότητας δε λαμβάνονται υπόψη στην υπολογιστική διαδικασία καθώς ισχύουν εξ ορισμού. Επειδή ο αριθμός των μεταβλητών είναι μεγαλύτερος από τον αριθμό των εξισώσεων, το πρόβλημα έχει καταρχήν μη πεπερασμένο (άπειρο) αριθμό δυνατών λύσεων. Η μέθοδος αναζητά τη βέλτιστη λύση στις κορυφές του χώρου πολιτικής. Ως αρχική λύση του συστήματος θεωρείται η αρχή των αξόνων {, }. Επιλύοντας ως προς τις μη μηδενικές μεταβλητές Z (5-5) Εφόσον και, η αρχική λύση η οποία αντιστοιχεί στην κορυφή (,) της γραφικής παράστασης του Σχήματος 5- είναι Z,, (5-6) Στη δεύτερη επανάληψη βελτιώνεται η τιμή της ΑΣ αυξάνοντας την τιμή μιας από τις τρέχουσες μηδενικές (μη βασικές) μεταβλητές. Εκλέγεται η μεταβλητή η οποία έχει την μέγιστη μοναδιαία αξία ( c 8 ). Στη συνέχεια καθορίζεται πόση είναι η αύξηση που μπορεί να λάβει η. Εάν τεθεί η ίση με μηδέν, τότε η λαμβάνει την τιμή /. Η βασική μεταβλητή γίνεται (5-7) Συνεπώς η δεν μπορεί να εξέλθει από τη βάση. Αντίθετα, εάν τεθεί η ίση με μηδέν, τότε η λαμβάνει την τιμή /5 και η διατηρείται μηαρνητική ( ). Άρα η μεταβλητή που εξέρχεται από τη βάση είναι η // Μποναζουντας (ΕΜΠ) Σελιδα απο

23 , έτσι ώστε η μεταβολή της τιμής της εισερχόμενης μεταβλητής να είναι η ελάχιστη (/</). Επιλύοντας ως προς Z (5-8) Το νέο σύστημα, επιλυόμενο ως προς τη νέα βάση γράφεται Z + 5,5,5 + (5-9) Εφόσον και, η λύση μετά την πρώτη επανάληψη είναι: Z, 5, (5-) Η λύση αντιστοιχεί στην κορυφή (,5) της γραφικής παράστασης του Σχήματος 5-. Στη δεύτερη επανάληψη εφαρμόζεται το κριτήριο εισόδου και εκλέγεται ως εισερχόμενη μεταβλητή τη η οποία είναι και η μόνη που έχει θετική μοναδιαία αξία και μπορεί να βελτιώσει (αυξήσει) την τιμή της αντικειμενικής συνάρτησης. Η εξερχόμενη μεταβλητή καθορίζεται από το κριτήριο 5 mn, (5-),5 Άρα η μεταβλητή που εξέρχεται από τη βάση είναι η. Τότε το σύστημα γράφεται ως προς τη νέα βάση Z 5,5,5,5,5,5,75 +,5,65 + (5-) // Μποναζουντας (ΕΜΠ) Σελιδα απο

24 Εφόσον και, η λύση μετά την δεύτερη επανάληψη είναι Z 5,,5,,75 (5-) Η λύση αντιστοιχεί στην κορυφή (,5/,75) της γραφικής παράστασης του Σχήματος 5-. Δεδομένου ότι οι συντελεστές αξίας την μη βασικών μεταβλητών και είναι και οι δύο αρνητικοί, δεν επιτυγχάνεται περαιτέρω βελτίωση στην τιμή της αντικειμενικής συνάρτησης. Το πρόβλημα έχει οδηγηθεί σε βελτιστοποίηση και ο αλγόριθμος διακόπτεται αυτόματα. Παρατήρηση: Είναι αναγκαίο, αν και στο παράδειγμα δε γίνεται εμφανές, να τηρείται μεγάλη ακρίβεια στους υπολογισμούς και να κρατώνται πολλά δεκαδικά ψηφία ώστε να αποφεύγονται σφάλματα στρογγύλευσης. Αποκλίσεις που θεωρούνται επουσιώδεις, συχνά οδηγούν σε λανθασμένα αποτελέσματα Πινακοποιημένη smple Η πινακοποιημένη smple χρησιμοποιείται στην πράξη για την επίλυση προβλημάτων με σχετικά μεγάλο αριθμό υπολογισμών (μεταβλητές απόφασης, περιορισμοί) και είναι ισοδύναμη με την αλγεβρική μορφή που δόθηκε στην προηγούμενη παράγραφο. Στην πινακοποιημένη προσέγγιση το σετ των εξισώσεων τοποθετείται με τις απαραίτητες πληροφορίες σε πίνακα (tbleu) που περιλαμβάνει:. τους συντελεστές των μεταβλητών. τις σταθερές του δεξιού τμήματος των εξισώσεων, και. τη βασική μεταβλητή που εμφανίζεται σε κάθε εξίσωση. Τέτοιος πίνακας είναι ο: Αριθμός Εξισ. Ζ n n + n + n + m Δεξιό Τμήμα ' ' ' -c - c -cn n b n b m m m mn b m // Μποναζουντας (ΕΜΠ) Σελιδα απο

25 Ο συμβολισμός στο παραπάνω σχήμα είναι κύρια αποδεκτός, καθότι δεν αναγράφονται τα σύμβολα των μεταβλητών κάθε εξίσωσης, ενώ γίνεται ευκρινής η παρουσίαση των αριθμών που λαμβάνουν μέρος στους υπολογισμούς. Η ποσότητα c' c z καλείται καθαρό οριακό εισόδημα και αποτελεί θεμελιώδες μέγεθος στη θεωρία ΓΠ ( 5..8). Στην smple καταστρώνεται ένας τέτοιος πίνακας για κάθε νέα βασική δυνατή λύση έως ότου εντοπιστεί η βέλτιστη. Η διαδικασία λαμβάνει χώρα κάτω από τους περιορισμούς του κανονικοποιημένου προβλήματος με b > για κάθε,,..., m. Στην αρχική διαδικασία επιλέγονται οι πραγματικές μεταβλητές (,,... n ) σαν αρχικές μη βασικές μεταβλητές ίσες με το μηδέν και οι μεταβλητές απόκλισης ( n +, n+,..., n+ m ) σαν αρχικές βασικές μεταβλητές. Επειδή κάθε εξίσωση περιέχει μια βασική μεταβλητή με συντελεστή +, κάθε βασική μεταβλητή ισούται με την σταθερά του δεξιού τμήματος της εξίσωσης που εμφανίζεται. Η βασική δυνατή λύση θεωρείται βέλτιστη αν και μόνον αν κάθε συντελεστής της ΑΣ είναι θετικός. Αν συμβαίνει αυτό, τότε σταματά η διαδικασία, διαφορετικά ακολουθείται επόμενο επαναληπτικό βήμα για τον εντοπισμό της επόμενης βασικής λύσης η οποία μετατρέπει μια μη βασική μεταβλητή σε βασική και αντίστροφα. Έτσι επιλύεται το πρόβλημα με την νέα λύση. Ο προσδιορισμός της βασικής μεταβλητής γίνεται με επιλογή της βασικής μεταβλητής με τον μεγαλύτερο αρνητικό συντελεστή. Η επιλογή επιδεικνύεται με την τοποθέτηση ενός συμβόλου κάτω από αυτόν τον συντελεστή που καθορίζει την κύρια στήλη (pvot column). Ο προσδιορισμός της εξερχόμενης βασικής μεταβλητής γίνεται ως εξής:. Eπιλογή κάθε συντελεστή στην κύρια στήλη που είναι θετικός (>). Διαίρεση των σταθερών συντελεστών b στην δεξιά πλευρά με καθένα από τους παραπάνω συντελεστές. Αναγνώριση του μικρότερου πηλίκου που προκύπτει από την παραπάνω διαδικασία. Eπιλογή της βασικής μεταβλητής γι αυτή την εξίσωση. Η επιλεγείσα σειρά στον πίνακα αποτελεί την κύρια σειρά (pvot row) ενώ η τομή της κύριας στήλης με την κύρια σειρά καθορίζει τον κύριο αριθμό (pvot number). // Μποναζουντας (ΕΜΠ) Σελιδα 5 απο

26 Αρχική βασική δυνατή λύση Έλεγχος c' Βέλτιστη λύση ναι Είναι όλα τα c' όχι Επιλογή mnc μεταξύ των < Αόριστη λύση ναι Είναι όλα τα p όχι Ελεγχος b / p Επιλογή mn{ b / } b' p p / ' pp Καθορισμός νέας κανονικής μορφής Σχήμα 5-: Διάγραμμα επίλυσης smple με περιορισμούς " " Ο προσδιορισμός μιας νέας ικανής λύσης γίνεται με την κατάστρωση νέου πίνακα. Η αλλαγή του συντελεστή της νέας βασικής μεταβλητής σε + προκύπτει με διαίρεση της υπάρχουσας σειράς με τον κύριο αριθμό: Νέα Κύρια Σειρά (Παλαιά Κύρια Σειρά):(Κύριος Αριθμός). Η αφαίρεση της νέας βασικής μεταβλητής από τις άλλες εξισώσεις προκύπτει από το μετασχηματισμό: // Μποναζουντας (ΕΜΠ) Σελιδα 6 απο

27 Νέα Σειρά (Παλαιά Σειρά)+(Κύριος Συντελεστής Στήλης) (Νέα Κύρια Σειρά) Η παραπάνω διαδικασία εφαρμόζεται για όλες τις σειρές του πίνακα εκτός της κύριας σειράς. Κύριος συντελεστής στήλης είναι ο αριθμός εκείνης της σειράς που ανήκει στην κύρια στήλη. Η παραπάνω διαδικασία σταματά όταν εντοπιστεί μία βέλτιστη λύση. Υπό μορφήν διαγράμματος ροής η επίλυση προβλήματος smple για περιορισμούς " " δίνεται στο Σχήμα Παράδειγμα με πινακοποιημένη smple Με πρόσθεση των μεταβλητών απόκλισης το εισαγωγικό παράδειγμα τίθεται στην κανονική μορφή Z 6-8 s.t ,,, (5-) Η αναζήτηση της πρώτης βασικής δυνατής λύσης γίνεται με τον ευκολότερο δυνατό τρόπο με χρήση των ιδιοτήτων του μοναδιαίου μητρώου των συντελεστών των μεταβλητών απόκλισης που παρουσιάζεται στο επαυξημένο μητρώο συντελεστών A. Δίνονται τιμές μόνο στις μεταβλητές απόκλισης και οι αρχικές μεταβλητές του προβλήματος λαμβάνουν μηδενική τιμή. Πρώτη δυνατή λύση είναι η, και που αντιστοιχεί στο ακραίο σημείο (,) του χώρου πολιτικής (Σχήμα 5-). Η λύση είναι εύκολα αναγνωρίσιμη από τις εξισώσεις του προβλήματος επειδή οι συντελεστές των μεταβλητών απόκλισης είναι μοναδιαίοι. Το μητρώο A είναι [ A, I] 5 (5-5) A όπου A το αρχικό μητρώο συντελεστών και I το μοναδιαίο μητρώο των μεταβλητών απόκλισης. Ισχύει A b, όπου b T (,) και X T (,,,) (5-6) Ο πρώτος πίνακας smple που δίνει την πρώτη βασική δυνατή λύση είναι: // Μποναζουντας (ΕΜΠ) Σελιδα 7 απο

28 ος πίνακας Z b 5 (oς περιορισμός) (ος περιορισμός) -6-8 (ΑΣ) Η περαιτέρω διαδικασία έχει ως εξής: Ο ος πίνακας καταστρώνεται με τοποθέτηση σε στήλες ανά μεταβλητή των συντελεστών των περιορισμών και της αντικειμενικής συνάρτησης σε κανονική μορφή. Οι περιορισμοί μπορούν να τοποθετηθούν με οποιαδήποτε σειρά. Η αντικειμενική συνάρτηση πρέπει να βρίσκεται σε συγκεκριμένη θέση. Συνήθως επιλέγεται η πρώτη ή η τελευταία σειρά. Εδώ έχει επιλέγει η τελευταία σειρά. Η στήλη b αποτελεί την στήλη των σταθερών όρων, δηλαδή έχει τα σταθερά μέρη των εξισώσεων σε κανονική μορφή. Από τον αρχικό πίνακα προκύπτει η πρώτη λύση. Τιμές διάφορες του μηδενός έχουν μόνο τα μοναδιαία διανύσματα κάθε πίνακα, δηλαδή στην περίπτωση αυτή τα, και η Z. Η τιμή τους προκύπτει από την τιμή του b στην γραμμή που έχουν μοναδιαίο συντελεστή. Δηλαδή, και Z. Τα και έχουν μηδενική τιμή. Ο ος πίνακας αντιστοιχεί στην κορυφή (,) της γραφικής παράστασης του Σχήματος 5-. Η διαδικασία βελτίωσης της πρώτης βασικής λύσης ακολουθεί τα βήματα που περιγράφονται στη θεωρία. Από τα μη βασικά διανύσματα και κάποιο πρέπει να λάβει τιμή. Επειδή η smple επιδιώκει την μεγαλύτερη δυνατή βελτίωση της τιμής της ΑΣ, επιλέγεται η είσοδος στη βάση της μεταβλητής με το μικρότερο αρνητικό αριθμό στους συντελεστές της ΑΣ, δηλαδή η μεταβλητή που έχει συντελεστή -8. Η στήλη αποτελεί την κύρια στήλη (pvot column) του επόμενου πίνακα. Τα στοιχεία της κύριας στήλης συμβολίζονται με p (εδώ p). Για την επιλογή του διανύσματος που εξέρχεται από τη βάση διαιρούνται οι συντελεστές b των περιορισμών με τους συντελεστές // Μποναζουντας (ΕΜΠ) Σελιδα 8 απο

29 της κύριας στήλης του πρώτου πίνακα. Για τον πρώτο περιορισμό προκύπτει / / ενώ για τον δεύτερο / / 5. b b Σαν κύρια γραμμή (pvot row) επιλέγεται εκείνη που ικανοποιεί το κριτήριο b b mn, > (5-7) p p Τα στοιχεία της γραμμής p συμβολίζονται με p. Στο παράδειγμα επιλέγεται η δεύτερη γραμμή (ος περιορισμός) σαν κύρια γραμμή. Η τομή της κύριας γραμμής με την κύρια στήλη δίνει το κύριο σημείο (pvot pont) pp, όπου pp. Συνεπώς το διάνυσμα που φεύγει από την βάση είναι το, δηλαδή το διάνυσμα που έχει μοναδιαία τιμή στη βασική γραμμή. Άρα στη νέα λύση είναι Ο νέος πίνακας σχηματίζεται ως εξής, > και, (5-8) Z b (η γραμμή) (η γραμμή) Ακολουθεί τοποθέτηση των συντελεστών του μοναδιαίου μητρώου εφόσον είναι γνωστή η θέση τους. Η κύρια γραμμή (η) προκύπτει με διαίρεση των συντελεστών της βασικής γραμμής με το pp : Z b ',5,5 5 ' Σαν παράδειγμα, το, 5 προκύπτει από την / /, 5. Τα υπόλοιπα στοιχεία του πίνακα pp ' προκύπτουν από τη σχέση όπου ( p p ) (5-9) + // Μποναζουντας (ΕΜΠ) Σελιδα 9 απο

30 ' ' p p η νέα και η παλιά τιμή στοιχείου στη θέση, η τιμή συντελεστή βασικής γραμμής στη στήλη στο νέο πίνακα η τιμή συντελεστή βασικής στήλης στη γραμμή στον παλαιό πίνακα Πχ. ( ) + (,5 ) + 5 p p ( p p ) + (,5 ( 8)) 6 Η ίδια διαδικασία ακολουθείται και για τους περιορισμούς και την ΑΣ ( b p p ) + b ( 5 ) + ( b ) + b ( 5( 8)) + b b p p (5-5) Με βάση τα παραπάνω καταστρώνεται ο δεύτερος πίνακας: ος Πίνακας Z b -,5,5 5 - Για τον δεύτερο πίνακα ισχύει, 5,,, Z. Η λύση αυτή αντιστοιχεί γραφικά στην κορυφή (,5) του Σχήματος 5-. Η νέα αυτή λύση δεν είναι βέλτιστη επειδή στην τελευταία γραμμή (αντικειμενική συνάρτηση) εξακολουθούν να εμφανίζονται αρνητικοί συντελεστές. Επιλέγεται η είσοδος του διανύσματος στη βάση με συντελεστή. Τότε: / /, 5 και / 5/,5. Εφόσον b / b / b b <, ως βασική γραμμή εκλέγεται η πρώτη και το διάνυσμα φεύγει από την βάση. Με βάση τα παραπάνω καταστρώνεται ο τρίτος πίνακας: ος Πίνακας Z b,5 -,5,5 // Μποναζουντας (ΕΜΠ) Σελιδα απο

31 -,5,65,75,5,5 5 Ο πίνακας δίνει την αναλυτική λύση,5,, 75, και m Z Z * 5 (5-5) και το γραφικό συσχετισμό στο σημείο (, ) (,5,,75) του Σχήματος 5-. Η λύση είναι βέλτιστη εφόσον δεν εμφανίζονται αρνητικοί συντελεστές στην τελευταία γραμμή, δηλαδή τα οριακά εισοδήματα είναι ίσα με μηδέν. Μνημονοτεχνικός κανόνας: Για την ευχερέστερη εκτέλεση των πράξεων με το χέρι ο Ξηρόκωστας (98) προτείνει τον κυκλικό κανόνα: p p pp p pp p p pp p pp p p Τα βέλη δείχνουν τη σειρά εκτέλεσης των πράξεων: () () p p () pp p () ' p pp 5..8 Ιδιότητες πινάκων smple Έστω σύστημα ΓΠ με n μεταβλητές και m περιορισμούς m Ζ c s.t. Α b (5-5) Μετά την εισαγωγή των μεταβλητών απόκλισης και την πινακοποίηση του συστήματος εισάγονται οι συμβολισμοί (Hller & Lebermn, 97): // Μποναζουντας (ΕΜΠ) Σελιδα απο

32 R k : k γραμμή στον αρχικό πίνακα smple ( k,,..., m ) R k : k γραμμή στον τρέχοντα πίνακα λόγω επαναληπτικής διαδικασίας R : k γραμμή στον τελικό πίνακα (πίνακας βέλτιστης λύσης). * k Η τιμή k αντιστοιχεί στη γραμμή της αντικειμενικής συνάρτησης. Οι συντελεστές της γραμμής της ΑΣ συμβολίζονται με R [z - c, z - c,..., z n - c n, y, y,..., y m, y ] (5-5) όπου z καθαρή ποσότητα κατά την οποία αυξήθηκε με smple ο αρχικός συντελεστής της μεταβλητής (,,..., n) στη γραμμή () y τρέχουσα τιμή της Ζ y γινόμενο της αρχικής γραμμής που έχει προστεθεί στη γραμμή, για,,..., m z οριακό κόστος ή καθαρό οριακό εισόδημα κάθε μεταβλητής c Για κάθε γραμμή k του τρέχοντος πίνακα ( k,,..., m ) οι συντελεστές των μεταβλητών απόκλισης n + ( k) ισούνται με το γινόμενο της αρχικής γραμμής που έχει προστεθεί άμεσα ή έμμεσα στην αρχική γραμμή k. Για k ο συντελεστής της μεταβλητής n + k είναι η σταθερά με την οποία η αρχική γραμμή k έχει πολλαπλασιαστεί με τη διαδικασία smple. Ιδιότητα της γραμμής (): Στον αρχικό πίνακα είναι R m R + R y όποτε όπου z R [-c,-c,...,-c,,,...,] (5-5) m c c + Σ y n και m y b y Σ, b και c συντελεστές του αρχικού πίνακα. (5-55) Η τελευταία έκφραση για το y οδηγεί στην διατύπωση της αντικειμενικής συνάρτησης Z του δυαδικού προβλήματος, όποτε γίνεται αντιληπτό ότι εφόσον y * m Z mn Z (5-56) // Μποναζουντας (ΕΜΠ) Σελιδα απο

33 * τότε οι συντελεστές y στον τελικό πίνακα αποτελούν τις βέλτιστες τιμές των μεταβλητών του δυαδικού προβλήματος (Κεφάλαιο 6). Χρήση της ιδιότητας αυτής γίνεται κατ επανάληψη στην ανάλυση ευαισθησίας (Hth 98). Για τις υπόλοιπες γραμμές του πίνακα smple (εκτός από τη γραμμή () της αντικειμενικής συνάρτησης) εισάγονται οι συμβολισμοί όπου R k [ k, k,..., kn,s k,s k,...,s km, b k ] (5-57) k συντελεστές των μεταβλητών (,,..., n) + (,,..., m ) b σταθερός όρος της σειράς k ( k,,..., m ) s k συντελεστές των μεταβλητών n k k Οι παραπάνω συμβολισμοί με (*) (δηλαδή R τον τελικό πίνακα (πίνακας βέλτιστης λύσης). * k, * k, s * k, b * k ) ισχύουν για Ιδιότητα της γραμμής ( R): * k m * * R R s για κάθε k,,..., m k k Άμεση συνέπεια της παραπάνω σχέσης είναι: m * * s για κάθε,,..., n b k * k m b s k * k (5-58) όπου τα και smple. Η παραπάνω έκφραση για τις γραμμές b αναφέρονται στους συντελεστές του αρχικού πίνακα m * * k R k + R (s k s k ) * R k μπορεί να γραφεί: R για κάθε,,..., m (5-59) όπου s k συντελεστές των μεταβλητών απόκλισης στον αρχικό πίνακα, όποτε s k αν k και s kk. Επειδή s k στον αρχικό πίνακα, οι // Μποναζουντας (ΕΜΠ) Σελιδα απο

34 * εκφράσεις ( sk sk ) και y δίνουν την αύξηση (θετική ή αρνητική) του συντελεστή + στην εκάστοτε γραμμή. n Για να είναι η λύση βέλτιστη πρέπει (Hmes 977) * z c για τις μη βασικές μεταβλητές * z c για τις βασικές μεταβλητές y * για τις μεταβλητές απόκλισης (5-6) Για το αρχικό παράδειγμα m Z , s.t. (5-6) Ο πρώτος πίνακας smple είναι ος Πίνακας Γραμμή k Z b Σύμφωνα με το συμβολισμό που εισήχθη: R [-c,-c, y, y, y] [ 6, R [,,s,s,b] R [,,s,s,b] [5, [, 8,,, ],,, ],,,] (5-6) Ο δεύτερος πίνακας έχει υπολογιστεί στην 5..7 και είναι: ος Πίνακας Γραμμή k Z b -,5,5 5 - // Μποναζουντας (ΕΜΠ) Σελιδα απο

35 Στο δεύτερο πίνακα είναι y και y, που σημαίνει ότι κανένα πολλαπλάσιο της γραμμής () δεν έχει προστεθεί στη γραμμή (), αλλά αντίθετα έχει προστεθεί φορές η αρχική γραμμή (). Αυτό ισχύει αφού η τρέχουσα δεύτερη γραμμή είναι ίση με το / της αρχικής (συντελεστής,5 για τη μεταβλητή ) και η ποσότητα 8 / προστέθηκε στη γραμμή (). Για τον δεύτερο πίνακα ισχύει: R [ 6, 8,,, ] + [,,,,] [-,,,, ] (5-6) Άρα: c, c, y, y, y z z Όμοια ο τρίτος πίνακας, που δίνει και τη βέλτιστη λύση, είναι: ος Πίνακας Γραμμή k Z b.5 -,5,5 -,5,65,75,5,5 5 Στον τρίτο πίνακα είναι y *, 5 και y *, 5. Συνεπώς: R * [, [ 6, 8,,, ],,5,,5, 5] +,5 [5, * * [z c,z,,, ] +,5 [, * * * c, y, y, y ],,,] (5-6) Για τις υπόλοιπες γραμμές του πίνακα ισχύει: s *, 5, s*, 5, s *,5, s *, 65. Άρα: R *,5 [5,,,, ],5 [, * [,,,5, -,5,,5] [, R *,5 [5, [,,,,, ] -,5,,65,,75] [ *,,,,],s *,s +,65 [, * *,s * *,b ],s,,,] * *, b * ] (5-65) Τέλος, η τιμή της αντικειμενικής συνάρτησης είναι // Μποναζουντας (ΕΜΠ) Σελιδα 5 απο

36 m * * y b y,5 +,5 5 (5-66) Από τα παραπάνω συνάγεται ότι για να μπορεί να διαμορφωθεί ο τελικός * * πίνακας smple αρκεί να είναι γνωστές οι τιμές των y και s k και οι αρχικοί συντελεστές. Οι βασικές εξισώσεις και συμβολισμοί που χρησιμοποιούνται παρουσιάζονται στον Πίνακα 5-. Πίνακας 5- Διατύπωση τελικού πίνακα smple και εξισώσεων μετασχηματισμού Βασική Αριθμ. μεταβλητή Εξίσ. Z n n +... n + m Ζ z * c z c z n c n y y * m B n s s m B n s s m m Bm m... m mn s m s mm * y b b b m Όπου y m * * b y m * * s για κάθε,,..., n k m k * * b b s για κάθε k,,..., m k k m * * z c c + y για κάθε,,..., n (5-67) 5..9 Παρατηρήσεις Κατά την εφαρμογή της smple πρέπει να δίνεται προσοχή στα εξής: Στην αρχική επαναληπτική διαδικασία γίνεται επιλογή της μη βασικής μεταβλητής που έχει τον μεγαλύτερο αρνητικό συντελεστή. Αν υποτεθεί ότι δύο ή περισσότερες μη-βασικές μεταβλητές έχουν τον ίδιο αρνητικό // Μποναζουντας (ΕΜΠ) Σελιδα 6 απο

37 συντελεστή, τότε η επιλογή γίνεται τυχαία. Η βέλτιστη λύση προκύπτει ανεξάρτητα από την επιλογή. Όταν δύο ή περισσότερες μεταβλητές αποτελούν τις εξερχόμενες βασικές μεταβλητές προκύπτει μια εκφυλισμένη βασική δυνατή λύση επειδή οι ισοβάθμιες μεταβλητές που επιλέγονται πρέπει να λάβουν τιμή ίση με το μηδέν. Αν μια τέτοια μεταβλητή επιλεχθεί στη συνέχεια σαν εξερχόμενη βασική μεταβλητή, πριν όμως η τιμή της αλλάξει από την μηδενική, τότε η αντίστοιχη εισερχόμενη βασική μεταβλητή παραμένει μηδέν και η τιμή της αντικειμενικής συνάρτησης πρέπει να παραμείνει αμετάβλητη. Η διαδικασία όμως οδηγεί σε ατέρμονα βρόχο (loop), δηλαδή σε κυκλική επαναληπτική διαδικασία χωρίς δυνατότητα εντοπισμού βέλτιστης λύσης. Για την αντιμετώπιση του προβλήματος υπάρχουν τεχνικές που δεν αναπτύσσονται στο κεφάλαιο αυτό. Πρόβλημα εμφανίζεται όταν δεν υπάρχει κατάλληλη βασική μεταβλητή που να χαρακτηριστεί ως εξερχόμενη. Το πρόβλημα εντοπίζεται όταν η εισερχόμενη βασική μεταβλητή μπορεί να αυξηθεί απεριόριστα, χωρίς να δώσει αρνητικές τιμές σε κάποια από τις υπάρχουσες βασικές μεταβλητές. Στην smple αυτό σημαίνει ότι κάθε συντελεστής της κύριας στήλης είναι είτε αρνητικός είτε μηδέν. Αποτέλεσμα της διαδικασίας είναι ότι οι περιορισμοί δεν εμποδίζουν την συνεχή αύξηση της τιμής της αντικειμενικής συνάρτησης σε μια ορισμένη διεύθυνση (αρνητική ή θετική) έτσι ώστε να προκύψει διακοπή της διαδικασίας με την ένδειξη ότι η Ζ δεν ορίζεται. Η ένδειξη ερμηνεύεται σαν λάθος, καθότι δεν υπάρχει πρόβλημα ΓΠ που να δίνει απεριόριστο όφελος. Στην περίπτωση αυτή θεωρείται ότι το πρόβλημα δεν έχει καταστρωθεί σωστά, είτε με παράλειψη περιορισμών είτε με λάθος στην αρχή της διαδικασίας. Άλλη περίπτωση είναι η εμφάνιση πολλών βελτίστων λύσεων. Σύμφωνα με όσα αναφέρθηκαν στην 5.. οποιοδήποτε πρόβλημα αυτής της μορφής έχει τουλάχιστον δύο βέλτιστες βασικές ικανές λύσεις που χρησιμεύουν στον εντοπισμό κάθε άλλης βέλτιστης λύσης. Σε αρκετές εφαρμογές είναι εκ των προτέρων γνωστή η ύπαρξη πολλών βελτίστων λύσεων. Οπωσδήποτε, σε ένα μοντέλο λήψης αποφάσεων είναι δύσκολος ο συνυπολογισμός συμμετοχής όλων των παραγόντων, εφόσον λαμβάνονται συνήθως μόνο οικονομικοί και τεχνικοί παράγοντες. Έτσι, μετά τον καθορισμό των πλέον αποδεκτών εναλλακτικών λύσεων (βέλτιστες λύσεις ή λύσεις πλησίον της // Μποναζουντας (ΕΜΠ) Σελιδα 7 απο

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Γραμμικός Προγραμματισμός Μέθοδος Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση

Διαβάστε περισσότερα

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου

Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραφική Λύση & Πρότυπη Μορφή Μαθηματικού Μοντέλου Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Προϋποθέσεις Εφαρμογής

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX

ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX Θεμελιώδης αλγόριθμος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού που κάνει χρήση της θεωρίας της Γραμμικής Άλγεβρας Προτάθηκε από το Dantzig (1947) και πλέον

Διαβάστε περισσότερα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: μέθοδος simplex Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 4 η /2017 Η γεωμετρία των προβλημάτων γραμμικού

Διαβάστε περισσότερα

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017 Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Η μέθοδος Simplex Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος Simplex είναι μια

Διαβάστε περισσότερα

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ

Η μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Η μέθοδος Simplex Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ

ΠΡΟΒΛΗΜΑΤΑ ΜΕΤΑΦΟΡΑΣ (Transportation Problems) Βασίλης Κώστογλου E-mail: vkostogl@it.teithe.gr URL: www.it.teithe.gr/~vkostogl Περιγραφή Ένα πρόβλημα μεταφοράς ασχολείται με το πρόβλημα του προσδιορισμού του καλύτερου δυνατού

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex (C) Copyright Α.

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 7: Επίλυση με τη μέθοδο Simplex (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)

Διαβάστε περισσότερα

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ

Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ Διαχείριση Εφοδιαστικής Αλυσίδας ΙΙ 1 η Διάλεξη: Αναδρομή στον Μαθηματικό Προγραμματισμό 2019, Πολυτεχνική Σχολή Εργαστήριο Συστημάτων Σχεδιασμού, Παραγωγής και Λειτουργιών Περιεχόμενα 1. Γραμμικός Προγραμματισμός

Διαβάστε περισσότερα

3.7 Παραδείγματα Μεθόδου Simplex

3.7 Παραδείγματα Μεθόδου Simplex 3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 3 3.1 Γενικά Τις τελευταίες δεκαετίες ένας μεγάλος αριθμός μεθόδων βελτιστοποίησης έχει αναπτυχθεί με βάση τη θεωρία του μαθηματικού λογισμού. Οι διάφοροι μαθηματικοί

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα I

Επιχειρησιακή Έρευνα I Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex 1. Αλγόριθμός Simplex

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Bέλτιστος σχεδιασμός με αντικειμενική συνάρτηση και περιορισμούς

Διαβάστε περισσότερα

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Δημήτρης Φωτάκης Προσθήκες (λίγες): Άρης Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση

Διαβάστε περισσότερα

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ

1. ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ . ΣΤΑΤΙΚΗ ΑΡΙΣΤΟΠΟΙΗΣΗ. Μέγιστα και Ελάχιστα Συναρτήσεων Χωρίς Περιορισμούς Συναρτήσεις μιας Μεταβλητής Εστω f ( x) είναι συνάρτηση μιας μόνο μεταβλητής. Εστω επίσης ότι x είναι ένα σημείο στο πεδίο ορισμού

Διαβάστε περισσότερα

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός

Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός Κεφάλαιο 3ο: Γραμμικός Προγραμματισμός 3.1 Εισαγωγή Πολλοί πιστεύουν ότι η ανάπτυξη του γραμμικού προγραμματισμού είναι μια από τις πιο σπουδαίες επιστημονικές ανακαλύψεις στα μέσα του εικοστού αιώνα.

Διαβάστε περισσότερα

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +

min f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) + KΕΦΑΛΑΙΟ 4 Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ανισότητες 4. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΑΝΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση

Διαβάστε περισσότερα

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ

ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ ΠΡΟΒΛΗΜΑΤΑ ΕΛΑΧΙΣΤΟΠΟΙΗΣΗΣ Ελαχιστοποίηση κόστους διατροφής Ηεπιχείρηση ζωοτροφών ΒΙΟΤΡΟΦΕΣ εξασφάλισε µια ειδική παραγγελίααπό έναν πελάτη της για την παρασκευή 1.000 κιλών ζωοτροφής, η οποία θα πρέπει

Διαβάστε περισσότερα

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου

Η μέθοδος Simplex. Χρήστος Γκόγκος. Χειμερινό Εξάμηνο ΤΕΙ Ηπείρου Η μέθοδος Simplex Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 1 / 17 Η μέθοδος Simplex Simplex Είναι μια καθορισμένη σειρά επαναλαμβανόμενων υπολογισμών μέσω των οποίων ξεκινώντας από ένα αρχικό

Διαβάστε περισσότερα

Θεωρία Μεθόδου Simplex

Θεωρία Μεθόδου Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ Επιχειρησιακή Έρευνα Ι Διδάσκων: Δρ. Σταύρος Τ. Πόνης Θεωρία Μεθόδου Simplex Άδεια Χρήσης

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Παράδειγμα προβλήματος ελαχιστοποίησης Μια κατασκευαστική εταιρία κατασκευάζει εξοχικές κατοικίες κοντά σε γνωστά θέρετρα της Εύβοιας Η

Διαβάστε περισσότερα

III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ

III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ III.9 ΑΚΡΟΤΑΤΑ ΣΕ ΠΕΡΙΟΧΗ.Ολικά και τοπικά ακρότατα..εσωτερικά και συνοριακά ακρότατα 3.Χωριζόμενες μεταβλητές 4.Συνθήκες για ακρότατα 5.Ολικά ακρότατα κυρτών/κοίλων συναρτήσεων 6.Περισσότερες μεταβλητές.

Διαβάστε περισσότερα

Q 12. c 3 Q 23. h 12 + h 23 + h 31 = 0 (6)

Q 12. c 3 Q 23. h 12 + h 23 + h 31 = 0 (6) Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Πολιτικών Μηχανικών Τοµέας Υδατικών Πόρων Μάθηµα: Τυπικά Υδραυλικά Έργα Μέρος 2: ίκτυα διανοµής Άσκηση E0: Μαθηµατική διατύπωση µοντέλου επίλυσης απλού δικτύου διανοµής

Διαβάστε περισσότερα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα

Θεωρία Δυαδικότητας ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ. Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου. Επιχειρησιακή Έρευνα Θεωρία Δυαδικότητας Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Περιεχόμενα Παρουσίασης 1. Βασικά Θεωρήματα 2. Παραδείγματα 3. Οικονομική Ερμηνεία

Διαβάστε περισσότερα

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Επιστήμη των Αποφάσεων, Διοικητική Επιστήμη 5 ο Εξάμηνο 4 ο ΜΑΘΗΜΑ Δημήτρης Λέκκας Επίκουρος Καθηγητής dlekkas@env.aegean.gr Τμήμα Στατιστικής & Αναλογιστικών-Χρηματοοικονομικών Μαθηματικών

Διαβάστε περισσότερα

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων

ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων ΤΕΙ Χαλκίδας Σχολή Διοίκησης και Οικονομίας Τμήμα Διοίκησης Επιχειρήσεων Επιχειρησιακή Έρευνα Τυπικό Εξάμηνο: Δ Αλέξιος Πρελορέντζος Εισαγωγή Ορισμός 1 Η συστηματική εφαρμογή ποσοτικών μεθόδων, τεχνικών

Διαβάστε περισσότερα

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό

Πληροφοριακά Συστήματα Διοίκησης. Εισαγωγή στον Γραμμικό Προγραμματισμό Πληροφοριακά Συστήματα Διοίκησης Εισαγωγή στον Γραμμικό Προγραμματισμό Τι είναι ο Γραμμικός Προγραμματισμός; Είναι το σημαντικότερο μοντέλο στη Λήψη Αποφάσεων Αντικείμενό του η «άριστη» κατανομή περιορισμένων

Διαβάστε περισσότερα

11. Ποιες είναι οι άμεσες συνέπειες της διαίρεσης;

11. Ποιες είναι οι άμεσες συνέπειες της διαίρεσης; 10. Τι ονομάζουμε Ευκλείδεια διαίρεση και τέλεια διαίρεση; Όταν δοθούν δύο φυσικοί αριθμοί Δ και δ, τότε υπάρχουν δύο άλλοι φυσικοί αριθμοί π και υ, έτσι ώστε να ισχύει: Δ = δ π + υ. Ο αριθμός Δ λέγεται

Διαβάστε περισσότερα

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ

ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις

Διαβάστε περισσότερα

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016

Τμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016 Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Δυϊκότητα Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Το δυϊκό πρόβλημα Για κάθε πρόβλημα Γραμμικού Προγραμματισμού υπάρχει

Διαβάστε περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Πεπερασμένες και Διαιρεμένες Διαφορές Εισαγωγή Θα εισάγουμε την έννοια των διαφορών με ένα

Διαβάστε περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Παρεμβολή και Παρεκβολή Εισαγωγή Ορισμός 6.1 Αν έχουμε στη διάθεσή μας τιμές μιας συνάρτησης

Διαβάστε περισσότερα

Αριθμητική Ανάλυση & Εφαρμογές

Αριθμητική Ανάλυση & Εφαρμογές Αριθμητική Ανάλυση & Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Υπολογισμοί και Σφάλματα Παράσταση Πραγματικών Αριθμών Συστήματα Αριθμών Παράσταση Ακέραιου

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex

Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών και των Αποφάσεων Ακαδημαϊκό έτος 2006-07

Διαβάστε περισσότερα

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1

m 1 min f = x ij 0 (8.4) b j (8.5) a i = 1 KΕΦΑΛΑΙΟ 8 Προβλήµατα Μεταφοράς και Ανάθεσης 8. ΕΙΣΑΓΩΓΗ Μια ειδική κατηγορία προβληµάτων γραµµικού προγραµµατισµού είναι τα προβλήµατα µεταφοράς (Π.Μ.), στα οποία επιζητείται η ελαχιστοποίηση του κόστους

Διαβάστε περισσότερα

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER 4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι

Διαβάστε περισσότερα

1 ΘΕΩΡΙΑΣ...με απάντηση

1 ΘΕΩΡΙΑΣ...με απάντηση 1 ΘΕΩΡΙΑΣ.....με απάντηση ΑΛΓΕΒΡΑ Κεφάλαιο 1 0 Εξισώσεις Ανισώσεις 1. Τι ονομάζεται Αριθμητική και τι Αλγεβρική παράσταση; Ονομάζεται Αριθμητική παράσταση μια παράσταση που περιέχει πράξεις μεταξύ αριθμών.

Διαβάστε περισσότερα

z = c 1 x 1 + c 2 x c n x n

z = c 1 x 1 + c 2 x c n x n Τεχνολογικό Εκπαιδευτικό Ιδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός & Βελτιστοποίηση Δρ. Δημήτρης Βαρσάμης Καθηγητής Εφαρμογών Δρ. Δημήτρης Βαρσάμης Μάρτιος

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ ΜΑΘΗΜΑΤΙΚΑ Γ ΓΥΜΝΑΣΙΟΥ Οι πραγματικοί αριθμοί αποτελούνται από τους ρητούς και τους άρρητους αριθμούς, τους φυσικούς και τους ακέραιους αριθμούς. Δηλαδή είναι το μεγαλύτερο σύνολο αριθμών που μπορούμε

Διαβάστε περισσότερα

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ) Δυϊκότητα Θα δείξουμε πώς μπορούμε να αντιστοιχίσουμε ένα πρόβλημα ελαχιστοποίησης με ένα πρόβλημα ΓΠ στην συνήθη του μορφή. Ένα πρόβλημα στην συνήθη του μορφή μπορεί να είναι ένα κατασκευαστικό πρόβλημα,

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι

Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι Εφαρμοσμένα Μαθηματικά ΙΙ 9ο Σετ Ασκήσεων (Λύσεις) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος. Δείξτε ότι ο V R εφοδιασμένος με τις ακόλουθες πράξεις (, a b) + (, d) ( a+, b+ d) και k ( ab, ) ( kakb,

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Παράδειγμα ΕΠΙΠΛΟΞΥΛ Η βιοτεχνία ΕΠΙΠΛΟΞΥΛ παράγει δύο βασικά προϊόντα: τραπέζια και καρέκλες υψηλής ποιότητας. Η διαδικασία παραγωγής και για τα δύο προϊόντα περιλαμβάνει την

Διαβάστε περισσότερα

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση

Βασική Εφικτή Λύση. Βασική Εφικτή Λύση Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί

ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX 2.1 Βασικές έννοιες - Ορισμοί Ο αλγόριθμος Simplex για τα προβλήματα γραμμικού προγραμματισμού, βλέπε Dntzig (1963), αποδίδει αρκετά καλά στην πράξη, ιδιαίτερα σε προβλήματα

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Δεσμευτικοί περιορισμοί Πρόβλημα Βιομηχανική επιχείρηση γαλακτοκομικών προϊόντων Συνολικό μοντέλο Maximize z = 150x 1 + 200x 2 (αντικειμενική

Διαβάστε περισσότερα

ΓΥΜΝΑΣΙΟ ΚΑΣΤΕΛΛΑΝΩΝ ΜΕΣΗΣ ΑΛΓΕΒΡΑ

ΓΥΜΝΑΣΙΟ ΚΑΣΤΕΛΛΑΝΩΝ ΜΕΣΗΣ ΑΛΓΕΒΡΑ ΑΛΓΕΒΡΑ ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΑΠΟ Α ΓΥΜΝΑΣΙΟΥ Ομόσημοι Ετερόσημοι αριθμοί Αντίθετοι Αντίστροφοι αριθμοί Πρόσθεση ομόσημων και ετερόσημων ρητών αριθμών Απαλοιφή παρενθέσεων Πολλαπλασιασμός και Διαίρεση ρητών αριθμών

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά ΙΙ

Εφαρμοσμένα Μαθηματικά ΙΙ Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Εφαρμοσμένα Μαθηματικά ΙΙ Γραμμικά Συστήματα Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Γραμμικό Σύστημα a11x1 + a12x2 + + a1 nxn = b1 a x + a x + +

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING)

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ (Γ.Π.).) (LINEAR PROGRAMMING) Δρ. Βασιλική Καζάνα Αναπλ. Καθηγήτρια ΤΕΙ Καβάλας, Τμήμα Δασοπονίας & Διαχείρισης Φυσικού Περιβάλλοντος Δράμας Εργαστήριο Δασικής Διαχειριστικής

Διαβάστε περισσότερα

1. Τετραγωνικές μορφές. x y 0. 0x y 0 1α 1β 2α 2β 3. 0x + y 0

1. Τετραγωνικές μορφές. x y 0. 0x y 0 1α 1β 2α 2β 3. 0x + y 0 Β4. ΕΣΣΙΑΝΟΣ ΠΙΝΑΚΑΣ-ΚΥΡΤΟΤΗΤΑ 1.Τετραγωνικές μορφές.χαρακτηρισμός συμμετρικών πινάκων 3.Δεύτερες μερικές παράγωγοι-εσσιανός πίνακας 4.Συνθήκες για ακρότατα 5.Κυρτές/κοίλες συναρτήσεις 6.Ολικά ακρότατα

Διαβάστε περισσότερα

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8

ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ. Μια παράσταση που περιέχει πράξεις με μεταβλητές (γράμματα) και αριθμούς καλείται αλγεβρική, όπως για παράδειγμα η : 2x+3y-8 ΘΕΩΡΙΑ Β ΓΥΜΝΑΣΙΟΥ Άλγεβρα 1 ο Κεφάλαιο 1. Τι ονομάζουμε αριθμητική και τι αλγεβρική παράσταση; Να δώσετε από ένα παράδειγμα. Μια παράσταση που περιέχει πράξεις με αριθμούς, καλείται αριθμητική παράσταση,

Διαβάστε περισσότερα

Άσκηση 1 Ένα κεντρικό βιβλιοπωλείο ειδικεύεται στα λογοτεχνικά βιβλία και τα βιβλία τέχνης. Προκειμένου να προωθήσει μια νέα συλλογή λογοτεχνικών βιβλίων και βιβλίων τέχνης, η διεύθυνση του βιβλιοπωλείου

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά ΙΙ

Εφαρμοσμένα Μαθηματικά ΙΙ Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Εφαρμοσμένα Μαθηματικά ΙΙ Διανυσματικοί Χώροι Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Διανυσματικός Χώρος επί του F Αλγεβρική δομή που αποτελείται

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

Στ Τάξη. Α/Α Μαθηματικό περιεχόμενο Δείκτες Επιτυχίας Ώρες Διδ. 1 ENOTHTA 1

Στ Τάξη. Α/Α Μαθηματικό περιεχόμενο Δείκτες Επιτυχίας Ώρες Διδ. 1 ENOTHTA 1 Ενδεικτική Οργάνωση Ενοτήτων Στ Τάξη Α/Α Μαθηματικό περιεχόμενο Δείκτες Επιτυχίας Ώρες Διδ. 1 ENOTHTA 1 15 Αρ3.1 Απαγγέλουν, διαβάζουν, γράφουν και αναγνωρίζουν ποσότητες αριθμών Επανάληψη μέχρι το 1 000

Διαβάστε περισσότερα

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ) Ανάλυση Ευαισθησίας. Έχοντας λύσει ένας πρόβλημα ΓΠ θα πρέπει να αναρωτηθούμε αν η λύση έχει φυσική σημασία. Είναι επίσης πολύ πιθανό να έχουμε χρησιμοποιήσει δεδομένα για τα οποία δεν είμαστε σίγουροι

Διαβάστε περισσότερα

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ)

Συνδυαστική Βελτιστοποίηση Εισαγωγή στον γραμμικό προγραμματισμό (ΓΠ) Εικονικές Παράμετροι Μέχρι στιγμής είδαμε την εφαρμογή της μεθόδου Simplex σε προβλήματα όπου το δεξιό μέλος ήταν θετικό. Δηλαδή όλοι οι περιορισμοί ήταν της μορφής: όπου Η παραδοχή ότι b 0 μας δίδει τη

Διαβάστε περισσότερα

Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα

Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα Παράδειγμα Να βρείτε τις ιδιοτιμές και τα αντίστοιχα ιδιοδιανύσματα του πίνακα A 4. Επίσης να προσδιοριστούν οι ιδιοχώροι και οι γεωμετρικές πολλαπλότητες των ιδιοτιμών.

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ

ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΣΑΝΑΤΛΙΣΜΥ Β ΛΥΚΕΙΥ ΘΕΩΡΙΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΥ Να δώσετε τους ορισμούς: διάνυσμα, μηδενικό διάνυσμα, μέτρο διανύσματος, μοναδιαίο διάνυσμα Διάνυσμα AB ονομάζεται ένα ευθύγραμμο

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ 1. Τι καλείται μεταβλητή; ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΑ Β ΓΥΜΝΑΣΙΟΥ ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ Μεταβλητή είναι ένα γράμμα (π.χ., y, t, ) που το χρησιμοποιούμε για να παραστήσουμε ένα οποιοδήποτε στοιχείο ενός συνόλου..

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά ΙΙ

Εφαρμοσμένα Μαθηματικά ΙΙ Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας Εφαρμοσμένα Μαθηματικά ΙΙ Διανυσματικοί Χώροι Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Διανυσματικός Χώρος επί του F Αλγεβρική δομή που αποτελείται

Διαβάστε περισσότερα

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας

2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας 2. Βασικές Έννοιες Γραμμικού Προγραμματισμού 69 2.4 Μια Πρώτη Προσέγγιση στην Ανάλυση Ευαισθησίας Ένα μοντέλο γραμμικού προγραμματισμού πρέπει να λαμβάνει υπόψη το δυναμικό περιβάλλον των συνεχών αλλαγών

Διαβάστε περισσότερα

II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ. 1. Γραφήματα-Επιφάνειες: z= 2. Γραμμική προσέγγιση-εφαπτόμενο επίπεδο. 3. Ισοσταθμικές: f(x, y) = c

II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ. 1. Γραφήματα-Επιφάνειες: z= 2. Γραμμική προσέγγιση-εφαπτόμενο επίπεδο. 3. Ισοσταθμικές: f(x, y) = c II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ.Γραφήματα-Επιφάνειες.Γραμμική προσέγγιση-εφαπτόμενο επίπεδο 3.Ισοσταθμικές 4.Κλίση ισοσταθμικών 5.Διανυσματική ή Ιακωβιανή παράγωγος 6.Ιδιότητες των ισοσταθμικών 7.κυρτότητα των ισοσταθμικών

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ

ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ 1 ο : ΔΙΑΝΥΣΜΑΤΑ 1 ΜΑΘΗΜΑ 1 ο +2 ο ΕΝΝΟΙΑ ΔΙΑΝΥΣΜΑΤΟΣ Διάνυσμα ορίζεται ένα προσανατολισμένο ευθύγραμμο τμήμα, δηλαδή ένα ευθύγραμμο τμήμα

Διαβάστε περισσότερα

Να επιλύουμε και να διερευνούμε γραμμικά συστήματα. Να ορίζουμε την έννοια του συμβιβαστού και ομογενούς συστήματος.

Να επιλύουμε και να διερευνούμε γραμμικά συστήματα. Να ορίζουμε την έννοια του συμβιβαστού και ομογενούς συστήματος. Ενότητα 2 Γραμμικά Συστήματα Στην ενότητα αυτή θα μάθουμε: Να επιλύουμε και να διερευνούμε γραμμικά συστήματα. Να ορίζουμε την έννοια του συμβιβαστού και ομογενούς συστήματος. Να ερμηνεύουμε γραφικά τη

Διαβάστε περισσότερα

III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE

III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE 1.Ισοτικός περιορισμός.περιορισμένη στασιμότητα 3.Πολλαπλασιαστής Lagrange 4.Συνάρτηση Lagrange 5.Ερμηνεία του πολλαπλασιαστή Lagrange 6.Περιορισμένη τετραγωνική μορφή 7.

Διαβάστε περισσότερα

Κεφάλαιο 4: Επιλογή σημείου παραγωγής

Κεφάλαιο 4: Επιλογή σημείου παραγωγής Κ4.1 Μέθοδος ανάλυσης νεκρού σημείου για την επιλογή διαδικασίας παραγωγής ή σημείου παραγωγής Επιλογή διαδικασίας παραγωγής Η μέθοδος ανάλυσης νεκρού για την επιλογή διαδικασίας παραγωγής αναγνωρίζει

Διαβάστε περισσότερα

Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών

Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών Κεφ. 6Β: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης). Μέθοδος Euler 3. Μέθοδοι

Διαβάστε περισσότερα

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ

3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό

Εισαγωγή στο Γραμμικό Προγραμματισμό Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Εισαγωγή στο Γραμμικό Προγραμματισμό Φουτσιτζή Γεωργία-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 15/10/2016 1 Περιεχόμενα Γραμμικός

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 1: Εισαγωγή στο Γραμμικό Προγραμματισμό (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων

Διαβάστε περισσότερα

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX

ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΚ. ΕΤΟΣ 2013-2014 ΔΙΑΛΕΞΗ 6 η -Η ΔΥΙΚΗ ΜΕΘΟΔΟΣ SIMPLEX ΔΥΙΚΟΤΗΤΑ Κάθε πρόβλημα γραμμικού προγραμματισμού συνδέεται με εάν άλλο πρόβλημα γραμμικού προγραμματισμού

Διαβάστε περισσότερα

Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών

Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών Κεφ. 7: Συνήθεις διαφορικές εξισώσεις (ΣΔΕ) - προβλήματα αρχικών τιμών 7. Εισαγωγή (ορισμός προβλήματος, αριθμητική ολοκλήρωση ΣΔΕ, αντικατάσταση ΣΔΕ τάξης n με n εξισώσεις ης τάξης) 7. Μέθοδος Euler 7.3

Διαβάστε περισσότερα

Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ. Α. Οι πραγματικοί αριθμοί και οι πράξεις τους

Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ. Α. Οι πραγματικοί αριθμοί και οι πράξεις τους Α ΜΕΡΟΣ - ΑΛΓΕΒΡΑ Κεφάλαιο 1 ο ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ 1.1 Πράξεις με πραγματικούς αριθμούς Α. Οι πραγματικοί αριθμοί και οι πράξεις τους 1. Ποιοι αριθμοί ονομάζονται: α) ρητοί β) άρρητοι γ) πραγματικοί;

Διαβάστε περισσότερα

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού

Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 τελευταία ενημέρωση: 21/10/2016

Διαβάστε περισσότερα

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ Συναρτήσεις Προεπισκόπηση Κεφαλαίου Τα μαθηματικά είναι μια γλώσσα με ένα συγκεκριμένο λεξιλόγιο και πολλούς κανόνες. Πριν ξεκινήσετε το ταξίδι σας στον Απειροστικό Λογισμό, θα πρέπει να έχετε εξοικειωθεί

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 Ο 3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η. (Σ) όπου α, β, α, β, είναι οι

ΚΕΦΑΛΑΙΟ 3 Ο 3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η. (Σ) όπου α, β, α, β, είναι οι ΚΕΦΑΛΑΙΟ 3 Ο ΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 3. Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η ΓΡΑΦΙΚΗ ΕΠΙΛΥΣΗ ΤΟΥ. Ποια είναι η μορφή ενός συστήματος δύο γραμμικών εξισώσεων, δύο αγνώστων; Να δοθεί παράδειγμα.

Διαβάστε περισσότερα

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί.

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί. ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ ΑΛΓΕΒΡΑ (50 Δ. ώρες) Περιεχόμενα Στόχοι Οδηγίες - ενδεικτικές δραστηριότητες Οι μαθητές να είναι ικανοί: Μπορούμε να ΟΙ ΑΚΕΡΑΙΟΙ ΑΡΙΘΜΟΙ χρησιμοποιήσουμε καθημερινά φαινόμενα

Διαβάστε περισσότερα

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.

Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Γραμμικός προγραμματισμός: Εισαγωγή Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 3 η /2017 Γραμμικός προγραμματισμός Είναι μια μεθοδολογία

Διαβάστε περισσότερα

1. Πότε χρησιμοποιούμε την δομή επανάληψης; Ποιες είναι οι διάφορες εντολές (μορφές) της;

1. Πότε χρησιμοποιούμε την δομή επανάληψης; Ποιες είναι οι διάφορες εντολές (μορφές) της; 1. Πότε χρησιμοποιούμε την δομή επανάληψης; Ποιες είναι οι διάφορες (μορφές) της; Η δομή επανάληψης χρησιμοποιείται όταν μια σειρά εντολών πρέπει να εκτελεστεί σε ένα σύνολο περιπτώσεων, που έχουν κάτι

Διαβάστε περισσότερα

Περιεχόμενα. Πρόλογος 3

Περιεχόμενα. Πρόλογος 3 Πρόλογος Η χρησιμότητα της Γραμμικής Άλγεβρας είναι σχεδόν αυταπόδεικτη. Αρκεί μια ματιά στο πρόγραμμα σπουδών, σχεδόν κάθε πανεπιστημιακού τμήματος θετικών επιστημών, για να διαπιστώσει κανείς την παρουσία

Διαβάστε περισσότερα

Μαθηματικά. Ενότητα 2: Διαφορικός Λογισμός. Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Μαθηματικά. Ενότητα 2: Διαφορικός Λογισμός. Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Μαθηματικά Ενότητα 2: Διαφορικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ 1. Έστω συνάρτηση ζήτησης με τύπο Q = 200 4P. Να βρείτε: α) Την ελαστικότητα ως προς την τιμή όταν η τιμή αυξάνεται από 10 σε 12. 1ος τρόπος Αν P 0 10 τότε Q 0 200 410

Διαβάστε περισσότερα

III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE

III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE III.10 ΠΟΛΛΑΠΛΑΣΙΑΣΤΕΣ LAGRANGE 1.Ισοτικός περιορισμός.περιορισμένη στασιμότητα 3.Πολλαπλασιαστής Lagrange 4.Συνάρτηση Lagrange 5.Ερμηνεία του πολλαπλασιαστή Lagrange 6.Περιορισμένη τετραγωνική μορφή 7.

Διαβάστε περισσότερα

Αριθμητική Ανάλυση και Εφαρμογές

Αριθμητική Ανάλυση και Εφαρμογές Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Ολοκλήρωση Εισαγωγή Έστω ότι η f είναι μία φραγμένη συνάρτηση στο πεπερασμένο

Διαβάστε περισσότερα

Κεφάλαιο 7 ο : Θετικοί και Αρνητικοί αριθμοί

Κεφάλαιο 7 ο : Θετικοί και Αρνητικοί αριθμοί ΕΡΩΤΗΣΕΙΙΣ ΘΕΩΡΙΙΑΣ ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΙΚΩΝ ΕΝΝΟΙΙΩΝ ΑΠΟ ΤΗΝ ΥΛΗ ΤΗΣ Α ΤΑΞΗΣ Κεφάλαιο 7 ο : Θετικοί και Αρνητικοί αριθμοί Α. 7. 1 1. Τι είναι τα πρόσημα και πως χαρακτηρίζονται οι αριθμοί από αυτά; Τα σύμβολα

Διαβάστε περισσότερα

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»

Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης

Διαβάστε περισσότερα

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

2. ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ . ΜΑΘΗΜΑΤΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ. Εισαγωγή Οι κλασσικές μέθοδοι αριστοποίησης βασίζονται κατά κύριο λόγο στο διαφορικό λογισμό. Ο Μαθηματικός Προγραμματισμός ο οποίος περιλαμβάνει τον Γραμμικό Προγραμματισμό

Διαβάστε περισσότερα

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ

Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ Μ Α Θ Η Μ Α Τ Α Γ Λ Υ Κ Ε Ι Ο Υ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ ΚΑΙ ΣΠΟΥΔΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ (Α ΜΕΡΟΣ: ΣΥΝΑΡΤΗΣΕΙΣ) Επιμέλεια: Καραγιάννης Ιωάννης, Σχολικός Σύμβουλος Μαθηματικών

Διαβάστε περισσότερα

Ιωάννης Σ. Μιχέλης Μαθηματικός

Ιωάννης Σ. Μιχέλης Μαθηματικός 1 Άλγεβρα 1 ο Κεφάλαιο Ερώτηση 1 : Τι ονομάζεται αριθμητική και τι αλγεβρική παράσταση; Μία παράσταση, που περιέχει πράξεις με αριθμούς ονομάζεται αριθμητική παράσταση. Μία παράσταση, που περιέχει πράξεις

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ

ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ Βρέντζου Τίνα Φυσικός Μεταπτυχιακός τίτλος ΜEd: «Σπουδές στην εκπαίδευση» ΚΕΦΑΛΑΙΟ 1 Ο : Εξισώσεις - Ανισώσεις 1 1.1 Η ΕΝΝΟΙΑ ΤΗΣ ΜΕΤΑΒΛΗΤΗΣ ΑΛΓΕΒΡΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΟΡΙΣΜΟΙ Μεταβλητή

Διαβάστε περισσότερα

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων

ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων ΚΕΦΑΛΑΙΟ 4 ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ 4. Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων Η περιγραφή του ΔΑΣΕΣ στο προηγούμενο κεφάλαιο έγινε με σκοπό να διευκολυνθούν οι αποδείξεις

Διαβάστε περισσότερα

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20

Αναζητάμε το εβδομαδιαίο πρόγραμμα παραγωγής που θα μεγιστοποιήσει 1/20 Μια από τις εταιρείες γάλακτος στην προσπάθειά της να διεισδύσει στην αγορά του παγωτού πολυτελείας επενδύει σε μια μικρή πιλοτική γραμμή παραγωγής δύο προϊόντων της κατηγορίας αυτής. Πρόκειται για οικογενειακές

Διαβάστε περισσότερα

Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις

Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις 2 ΕΡΩΤΗΣΕΙΙΣ ΘΕΩΡΙΙΑΣ ΑΠΟ ΤΗΝ ΥΛΗ ΤΗΣ Β ΤΑΞΗΣ ΜΕΡΟΣ Α -- ΑΛΓΕΒΡΑ Κεφάλαιο 1 o Εξισώσεις - Ανισώσεις Α. 1 1 1. Τι ονομάζεται Αριθμητική και τι Αλγεβρική παράσταση; Ονομάζεται Αριθμητική παράσταση μια παράσταση

Διαβάστε περισσότερα

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Η «OutBoard Motors Co» παράγει τέσσερα διαφορετικά είδη εξωλέμβιων (προϊόντα 1 4) Ο γενικός διευθυντής κ. Σχοινάς, ενδιαφέρεται

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης

Διαβάστε περισσότερα